分类： AI 资讯

Hugging Face Papers 收录的论文 EDEN 提出，在强化学习可验证奖励（RLVR）的训练中，不再只靠调高采样温度或修改策略更新，而是在 rollout 源头给输入嵌入加入带共享锚点的扰动，让同一策略产生更多差异化轨迹，从而增强 GRPO 的组内相对优势信号。

alphaXiv 收录的论文提出 HereBot，一个在非 Transformer 认知架构中运行的人工好奇心引擎，能在对话中用一次曝光绑定新词含义。它值得关注，因为它把“对话中即时学习”作为架构目标，而非依赖预训练模型的权重更新。

Hugging Face Papers 收录的论文 CarryOn 提出一种面向长时任务智能体的“对象化”上下文运行时，主张用可复用的任务进度对象替代反复回放交互历史；摘要称其在 OSWorld 2.0 与 BrowseComp-Plus 上分别带来 5.8% 和 7.0% 的提升，同时减少总 token 用…

Hugging Face Papers 上的一篇论文提出 LEASH，一个无需训练的框架：让弱模型默认执行电脑操作任务，只在内部不确定性信号触发时把控制权交给强模型，并在交接后继续监督。据摘要，在 OSWorld 上，它以 Qwen3.5-35B-A3B 达到 73.66% 成功率，单任务成本 0.4117…

alphaXiv 上的一篇技术论文提出 WT-Engine 和 .wtq1 v2 权重量化格式，把 Qwen3-8B 的线性权重压到 3.76 bpw、约 3,110 MB，在论文测试条件下接近 GGUF Q8_K 的输出保真度，而后者体积约大 2.4 倍。