DeltaTTG提出Token-to-Go进度信号，多轮Agent训练平均分提升5.7以上
Hugging Face Papers 收录的论文 DeltaTTG 提出用“Token-to-Go”作为多轮 Agent 训练中的可复用进度信号，在不改变奖励函数的前提下重新分配各步骤优势值；摘要显示其在 ALFWorld 等三个任务上平均分较 GRPO 提升 5.7 以上。目前信息仅来自论文摘要，尚不代表…
分类： AI 资讯
扩散模型新训练框架SALD：无教师网络，用双噪声路径实现自参考优势学习
一篇 2026 年 10 月 7 日发布在 Hugging Face Papers 的论文提出 SALD，让扩散模型用同一条模型在两种噪声水平下的表现差异，生成训练信号，不再依赖外部教师网络或额外可训练参数。
ClawLoop 提出无外部教师的自我改进智能体训练闭环
Hugging Face Papers 收录的论文摘要提出 ClawLoop，让基于 LLM 的智能体在沙箱环境中通过“任务合成—训练—诊断反馈”循环自我提升，不依赖更强的外部教师模型，并在多个基准上报告一致改进。
UltraBERT论文提出双掩码比训练法，单编码器同时刷新GLUE与BEIR纪录
Hugging Face Papers 收录的论文《UltraBERT: Beyond the Limit of BERT Pre-Training》提出重新设计双向编码器的预训练配方，让单一模型首次同时在分类和检索任务上达到最优，分别取得 GLUE 91.0 和 BEIR 47.7 的成绩。
PANINI-DR多智能体框架发布：BrowseComp-Plus准确率73.3%
Hugging Face Papers 收录的论文摘要提出 PANINI-DR 多智能体框架，通过共享语义工作空间分离研究协调与验证，在 BrowseComp-Plus 等基准上取得领先成绩，但尚未核验全文实验，也非已上线产品。
Harness^2 提出递归智能体框架：无需真值验证也能改进执行外壳
Hugging Face Papers 收录的论文 Harness^2 提出一种即插即用的递归智能体执行框架，通过任务级和框架级两层递归，在没有标准答案验证器的情况下自动改进大模型智能体的执行外壳，并在多个基准上取得提升。值得关注的是，它试图回答“开放式任务中智能体如何自我进化”这一关键问题。
ELR 让循环语言模型摆脱”单圈税”，Koi-4B 一个权重适配不同算力
Hugging Face 论文提出 Elastic Latent Recurrence（ELR）训练方法，让循环语言模型在只跑一圈时不再明显弱于同规模非循环模型，多跑几圈则继续提升精度。基于该方案训练的 Koi-4B 单个 checkpoint 可在推理时切换圈数，匹配 Qwen3.5-4B 的水平并向上扩展…
alphaXiv论文用条件期望度量多窗口信息缝合失败
alphaXiv 上一篇数学论文提出用条件期望是否可交换来度量“局部信息无法拼成整体”的失败，并用一个三枚二元 token 的玩具模型把这种失败量化为 1−3ε，窗口一致率低于 1/3 时不存在共同联合分布。
训练量缩减450倍：新框架让大模型推理监督更高效
一项新研究提出不确定性引导的渐进收缩框架，用不到全量数据训练 0.22% 的优化预算，即可维持甚至提升大模型推理表现，为降低推理后训练成本提供了新思路。
ARCS 基准发布：text-to-SQL 真实歧义难题，gpt-6-sol 准确率仅 51%
研究者提出“结构化消歧”新范式并发布 ARCS 基准，用来衡量真实数据库中自然语言提问歧义对 text-to-SQL 的影响；在摘要披露的评测中，gpt-6-sol 端到端执行准确率仅 51%，开源模型均未超过 27%。