ViRA研究：视觉基础模型并非总能提升端到端自动驾驶，目标选择很关键
OpenDriveLab 提出规划器无关的视觉表征对齐框架 ViRA，系统研究视觉基础模型（VFM）能否真正提升端到端自动驾驶，并给出 92.3 EPDMS 的 ViRA-Diffusion 方案。它值得关注，因为自动驾驶行业正大量引入通用视觉大模型，但“表征更强是否等于开得更好”此前缺乏清晰结论。
分类： AI 资讯
IneqAgent用LLM加符号计算，在Lean4中解出94%不等式证明
arXiv 2026年10月16日的一篇新论文提出 IneqAgent，把大模型推理与符号计算结合，在 Lean4 中自动证明不等式。在一项包含186道题的评测中解出175道，并给出两个高维数学猜想的机器验证结果。
SimVTA 用仿真视频监督补齐驾驶世界模型后训练
Hugging Face Papers 收录的论文提出 SimVTA，用真实世界 3D 高斯重建加仿真渲染，为高奖励候选轨迹生成匹配视频监督，再结合 GRPO 优化驾驶世界动作模型的规划能力。值得关注的是，它试图解决驾驶日志只有一条记录轨迹、备选轨迹缺少视觉监督的老问题。
CNRF框架发布：视觉语言模型安全从拒答转向选择性风险决策
arXiv 2026年10月16日上线一篇新论文，提出CNRF框架，用反事实配对和邻域支持估计来给视觉语言模型的安全风险打分，而不是简单地把输入分成有害或无害。
WorldCast基准发布：GPT-Image-2.5领跑世界状态预测评测
Hugging Face Papers 2026年10月14日收录的论文 WorldCast 提出多步世界状态预测基准，包含320个手工案例和8个类别，评测12个模型。GPT-Image-2.5 系统得分72.8，开源最佳仅20.1，显示多模态生成模型在动态世界建模上差距明显。
正确性反馈反成证据杀手：Verus审计揭示AI代码验证盲区
arXiv 一篇新论文发现，在 Verus/Rust 代码验证任务中，专为修复错误设计的“正确性反馈”反而会抹掉审查规范完整性所需的关键证据，导致认证通过的程序实际上违反真实意图。
Intern-Decision：0.8B至4B多模态决策模型，4B准确率90.02%，单次推理44毫秒
Hugging Face Papers 收录的论文摘要显示，Intern-Decision 提出 0.8B、2B、4B 三档多模态决策模型，用自回归掩码语言建模直接输出结构化选项和候选概率，试图把智能体里的“下一步选什么”从自由文本生成变成轻量分类任务。
AlphaDiana 发布：衡量 Agent 执行条件的重要工具
2026年10月16日，arXiv 出现一篇新论文，提出测量系统 AlphaDiana，试图回答 agent 的收益到底来自模型还是 harness。对开发者的直接价值是：评测 agent 时，可以分开控制工具复用和记忆保留。
音频分离新框架 DBS：动态频带切分，DnR v2 相对提升 29%
一篇名为 Dynamic Band Splitting（DBS）的音频分离论文提出让模型按内容动态决定频带边界，而不是所有音频共用同一套切分方式。在固定频带 token 预算下，摘要称 DBS 在 DnR v2、MUSDB18-HQ、EchoSet 上均优于对应静态模型。
VISTA免训练稀疏引导新方法，离散扩散SMC推理最高提速5.35倍
arXiv 上新论文提出免训练方法 VISTA，自动挑选离散扩散模型中的引导时间步，在有限预算下提升稀疏引导效果，并在毒性文本生成任务中把后选择阶段单次生成延迟从 204.23 秒降到 38.16 秒。