分类： AI 资讯

2026年10月14日，Hugging Face Papers 收录的 SafeDriveVLA 论文提出一种能识别“不安全导航指令”的驾驶 VLA，并首次把导航跟随、冲突意识与对抗鲁棒性放在同一基准下评测。

alphaXiv 上公开的 InfiniSplat v2 提出把前馈 3D 高斯重建中的几何预测冻结、只训练高斯属性，在六个数据集的前馈评测中取得更低的感知误差指标。

alphaXiv 上的一篇新论文提出 RePR，用生成模型的预测增益来训练图像分词器，在同等训练算力下让扩散生成质量超过直接做像素空间生成，ImageNet 条件生成 FID-50K 降到 2.18。

一篇新论文提出 ReMaRk 方法，指出 Rank-GRPO 在训练大模型推荐器时只随机选取一条回复作为奖励基准，导致优势估计中约 85% 的方差来自“抽到哪条回复”而非推荐质量本身。ReMaRk 改为对请求整体联合奖励，并在多个主干模型上取得更高训练效率。

2026年10月，alphaXiv上的一篇论文提出Priming Models，用"先重建、后分布对齐"的两阶段训练，让单步生成器在ImageNet 256×256上达到FID 1.19，训练算力约为同类方法的十分之一。

一项针对 Qwen3 系列的研究提出，在 NO-THINK 模式下用强化学习提升推理分数，可能主要不是学会新能力，而是把模型原本 THINK 模式的能力重新激活。