无奖励也能造房子:SEE 让智能体学会主动掌控环境

alphaXiv 上出现一篇论文,提出不依赖外部奖励、通过“赋权最大化”训练智能体的方法 SEE,在 Crafter 等环境中出现收集资源、制作工具乃至造房子的行为。它值得关注,因为它把赋权研究从表格设定推到了更接近真实规模的技能学习场景。

alphaXiv 上出现一篇论文,提出不依赖外部奖励、通过“赋权最大化”训练智能体的方法 SEE,在 Crafter 等环境中出现收集资源、制作工具乃至造房子的行为。它值得关注,因为它把赋权研究从表格设定推到了更接近真实规模的技能学习场景。

2026 年 10 月,一篇提交至 alphaXiv 的论文提出 Prompteina,这是首个支持用自然语言指定设计目标的全原子蛋白质结构生成模型,并在一项此前无公开成功案例的靶点上实验验证出 9 个结合蛋白。值得关注的是,它把蛋白质设计中繁琐的"研究—转译"环节变成了一句大白话。

一篇 2026 年 10 月 8 日发布在 Hugging Face Papers 的论文提出 Universal Textual Teaching(UTT),把教师模型与学生模型的差距写成可读、可复用的自然语言“Primer”,不更新学生参数,就在数学和代码任务上提升表现。

2026 年 10 月 13 日,Artificial Analysis 发布 Decision Index v1.0,首次用统一榜单评测“决策模型”这种一次调用输出多选项概率的新模型类别,并同时把大模型拉进来做对照。

Hugging Face 论文页 2026 年 10 月 7 日收录的 VIS-Ground,尝试解决交互式视频生成中“观众干预后,模型该依据哪些上下文继续生成”的问题,把异构输入转为可执行的生成约束。

最新论文测试在指令微调或继续预训练后,仅调整模型最终预测的词汇偏置和温度能否挽回"遗忘"的网页文本预测能力,结果显示大部分损失无法通过这种无上下文修正恢复,最高仅约36%,且合成随机损伤实验也能达到29%恢复,说明表面修正不等于根因修复。

alphaXiv 发布综述论文,将大模型系统的异常检测划分为“边界建模”和“对齐检测”两种思路,后者主张对照当前请求的 SLO、用户意图和安全要求来判断异常,而非只比对历史运行模式。

一项预注册实验发现,把与真事实高度相似的假事实移入或移出语言模型的局部注意力窗口,模型误信概率并未在窗口边界发生跳变;省显存的滑窗混合架构整体上更易被迷惑,但原因不是窗口边界本身。

论文提出把用户在内容平台上的真实行为当成监督信号,用10万用户匿名行为数据构建训练任务。在论文测试条件下,微调Qwen3.6-35B-A3B后,用户相关任务评测提升最高达11.5分。

Hugging Face Papers 收录的一篇论文提出 AgentSWE 基准,专门检验编程智能体能否按需求造出真正可用的 Agent,结果显示目前没有模型接近达标。