Cowork-Gym 用 6.5 万可执行工作环境训练协作型 AI 智能体
alphaXiv 上的一篇论文提出 Cowork-Gym，用「构建-执行-修订」循环自动合成共享工作空间里的协作任务环境，并据此后训练 Qwen 系列模型，在六个智能体基准上平均提升 4.1 到 8.7 分。它回答的核心问题不是模型会不会用工具，而是任务目标、文件、模拟用户和验收标准能否在任务中途发生变化时保…
分类： AI 资讯
Thinker-WM 统一世界模型：共享表征让视频、深度与动作协同进化
alphaXiv 收录的论文 Thinker-WM 提出用同一个 Unified Dynamics Transformer 共享表征来联合建模 RGB 视频、度量深度和机器人动作，并在 EWMBench 等基准上取得领先，尝试把割裂的视觉、几何与执行打通。
EviScene发布：不再只问“是不是AI生成”，图像事实核查准确率79.05%
Hugging Face Papers 收录的论文提出“图像事实性评估”新任务，并给出多模态 ReAct 智能体 EviScene，用于判断图像所描绘情境是否有外部证据支持，而不仅是识别它是否由 AI 生成。
ForceWAM 解耦未来预测与动作学习，真实机器人接触任务成功率超85%
2026年10月，alphaXiv 收录的论文提出 ForceWAM，将接触任务中的未来力觉预测与动作生成分开训练，结合演示和任务无关玩耍数据，在真实机器人上把平均成功率做到 85%–95%。
PixelMoE：把LLM式MoE搬进像素扩散，ImageNet FID降至1.47
alphaXiv 上的一篇新论文提出 PixelMoE，把大语言模型常用的稀疏混合专家（MoE）结构直接迁移到像素空间扩散模型，在相同激活参数量下取得更低 FID，说明像素空间也能靠稀疏扩容提升生成质量。
让大模型自己读空气：Scenario-Actor按场景调温度，AgentSense得分0.8015
一篇新论文提出 Scenario-Actor，从提示词里判断“这是学术问答还是朋友闲聊”，再为整段对话选一个采样温度，而不是所有任务共用同一个固定值。
球面四边形网格新方法：一次确定关节拓扑，支持精确体积建模
一篇论文提出从一组无序方向向量一次性构造球面简单四边形网格的方法，用于骨骼关节的参数化体积建模，避免传统逐分支插入导致的非凸分区。
地球观测模型不再手搓：智能体递归自我改进，6个标签逼近SOTA
一篇 2026 年 10 月 13 日上传至 alphaXiv 的论文提出，把地球观测（EO）任务交给通用编程智能体，由它自己写模型、训练、递归改进。在 4 个覆盖光学、SAR 和多光谱时序的基准上，智能体构建的模型超过当前最优结果，并且用约 1% 的训练标签仍能保住大部分精度。
VLA预训练新基准：演示质量怎么用才有效？
alphaXiv 上一篇 VLA 预训练研究比较了加权、过滤、条件化三种演示质量利用方式，并提出 AXIS-Bench 基准；结果显示，按片段条件化预训练可稳定提升平均成功率，而过滤和条件化各有偏好的标签粒度。这项研究值得关注，是因为它把“数据质量”从直觉变成了可复现的工程选择。
跨模态幻觉新解法：CaRe 在推理阶段纠正模态误路由，无需重训
alphaXiv 收录的一篇论文提出免训练推理期方法 CaRe，试图在音视频冲突时纠正全模态大模型的“模态误路由”，让本已存在于相关单模态分支中的正确答案重新影响联合预测。