分类： AI 资讯

WorldMemBench发布：视频世界模型记忆评测覆盖260个用例

Hugging Face Papers 收录的论文提出 WorldMemBench，用 260 个测试用例系统评测视频世界模型的世界记忆能力。它关注的不是画面是否好看，而是模型在离开又返回同一场景后，还能不能记住人物、物体和环境。

arXiv 新论文提出 RealtimeBench，在游戏持续运行中评测 LLM 代理，并给出 TORSI 方法让慢速教师指导快速学生，使代理在实时环境中更有效。

一项新论文提出 SCOPE，用语义片段为单位调整强化学习中的提示词改写权重，在 Qwen-Image、SD3 和 FLUX.1-dev 上比原始 GRPO 获得平均相对提升。它把“对象、数量、属性、关系”当作整体来优化，而不是拆散到单个子词。

arXiv 新论文提出 PLVR，把教师模型的推理轨迹编译成可执行程序，在不改小模型权重的前提下，让 8B 模型在 tau2-Bench Telecom 上从 43.0% 提升到 91.2%。这说明在流程性较强的任务里，性能瓶颈可能是流程而不是模型能力。

一篇新论文提出 EdgeWise 框架，让本地小模型负责长任务的大部分步骤，只在关键步骤调用云端大模型，声称在特定基准上可减少最高 62% 的推理成本。

arXiv 上一篇新论文提出用有向无环图和行为树来编排规划、机器学习、约束编程与大语言模型等异构 AI 组件，试图把“单模型打天下”变成“多模型协同干活”。目前仅为论文摘要，尚无落地产品验证。

2026年10月14日，Hugging Face Papers 展示了一篇论文，提出 CommerceGen-Studio，一个号称能在实际生产中每天生成数百万张商业级电商主图的端到端框架，并在其自建基准 CommerceGen-Bench 上取得优于多个开源基线和部分闭源模型的成绩。

arXiv 新论文提出 Plant Memory，用技术语言处理把 SAP PM 工单整理成带置信度和证据的 ISO 14224 维护本体，并通过 MCP 服务器向 AI 代理开放已验证知识。

Hugging Face Papers 收录的论文 Velox 提出一种免训练注意力路由方法，利用相机视锥空间记忆筛选历史信息，在长视频生成中把注意力计算加速 4.36 倍、去噪加速 2.43 倍，同时基本不损失导航任务精度。

arXiv 2026 年 10 月 15 日收录的一篇新论文提出 ScreenRef 数据集与 D2RL 训练方法，训练出 GroundGUI-8B，在多个 GUI 定位基准上报告了 8B 量级中的竞争力成绩，为 GUI 智能体提供了一条开源数据加蒸馏强化学习的路线。