arXiv 论文对比 MCP 与 CLI：AI Agent 工具接入该怎么选
一篇 2026 年 10 月 23 日发布在 arXiv 的论文，从 14 个维度对比了 AI Agent 接入外部系统的两种方式——直接执行命令行（CLI）和使用结构化协议 MCP，结论是单用户本地场景 CLI 更高效，而涉及权限控制、凭证隔离与多租户治理的生产系统更适合 MCP，并建议采用混合架构。
分类： AI 资讯
研究发现RL论文难进训练框架：1589篇仅37篇被收录
一项追踪七款开源强化学习训练框架的研究显示，2025年1月至2026年6月间，1,598篇提出通用RL训练方法的论文中只有37篇被至少一个框架收录，论文与工程落地之间的转化仍然缓慢。
握手也要花 token：MCP、A2A、ACP 协议握手开销首次实测
一篇新上传的 arXiv 论文首次对 MCP、A2A、ACP 三种 AI Agent 通信协议的握手过程做了分阶段实测，发现往返次数主导握手成本，而 LLM 读取对方能力元数据还会额外消耗大量 token。
LoopRec 提出按条目自适应递归深度：序列推荐不再所有历史项都重算
Hugging Face Papers 于 2026 年 10 月 21 日收录的论文提出 LoopRec，让序列推荐模型针对每个历史交互项单独决定“继续深算还是提前退出”，以改变现有推荐器对所有条目分配固定算力的做法。值得关注的原因在于，它把推理算力分配从全局固定改成可按条目学习的策略，但目前信息仅来自论文…
SpatialBrain不训练底模，靠积累推理经验提升空间智能
Hugging Face Papers 于 2026 年 10 月 21 日收录的论文摘要介绍 SpatialBrain：在不改动视觉语言主干模型的前提下，让模型积累“何时该测量、何时该换参考系”的推理经验。摘要称其在五个空间推理基准中四个优于同一主干的直接回答，第五个持平。
MLLM潜变量如何真正驱动电影级视频生成？FAPL提出三阶段训练方案
2026年10月22日，一篇发表于 Hugging Face Papers 的论文提出 Factor-Aware Predictive Learning（FAPL），试图让视频扩散模型真正利用多模态大模型（MLLM）的潜变量，从而在稀疏输入下实现角色、场景、动作、镜头的可控电影级视频生成。
推理模型想得越久，越会把“有些”和“或者”按字面理解
一篇上传至 Hugging Face Papers 的论文摘要称，在不改变模型权重、只调整“思考长度”的条件下，多数被测的开源推理模型和 GPT-5 会更倾向按字面理解“有些”“或者”等词，日常会话中的言外之意反而被取消，而间接回答等依赖语境的推断有所改善。
Meta提出跨层共享Meta Expert：固定专家数量下仅用70%-80%专家即可匹配Vanilla MoE性能
Meta 在 Hugging Face Papers 发布论文，提出跨层共享的 Meta Expert 结构，用于替代 MoE 模型各层独立存储的 Local Expert。据摘要，在激活专家数和专家粒度不变时，该结构仅用 70%-80% 的专家即可达到 Vanilla MoE 的性能，值得关注其对大模型训练…
Policy-Mask：按算力预算挑选扩散模型特征，ADE20K 达 38.9 mIoU
Hugging Face Papers 于 2026 年 10 月 20 日收录的论文提出 Policy-Mask，用一套受“通道预算”约束的策略，同时决定从冻结扩散模型的哪一层、哪个时间步、哪些通道抽取特征做判别任务，并在相同预算下优于手工固定抽取方案。
人形机器人学会“预判落脚点”：Unitree G1 零样本跨越非训练地形
一篇 arXiv 论文提出用轻量落脚点预测模型替代稠密高程图输入，让控制器只“看”预测落脚点附近的地形，训练迭代约为原方案的 1/3，并使 Unitree G1 人形机器人零样本通过台阶、缝隙和落差。目前公开信息显示这仍是论文层面的研究结果，不是已落地产品。