不共享向量只共享词索引：SYNC实现跨模型免训练事实传递
2026年10月14日上传至 Hugging Face Papers 的论文提出 SYNC，用共享词表索引而非模型内部向量来传递事实，让不同架构的语言模型无需微调或翻译器也能互相“传话”。
分类： AI 资讯
119篇论文综述：大模型评测基准压缩能否降低评测成本
一篇综述梳理了2024年以来119篇论文，系统整理了“评测基准压缩”的方法，目标是在不跑完整基准集的情况下，仍能估算大模型的得分和排名，从而降低评测成本。值得关注的原因是，随着大模型数量变多、评测频率变高，完整跑分正变成一笔不小的算力开销。
G³VLA 为 VLA 模型注入相机几何约束，提升多视角鲁棒性
Hugging Face Papers 收录的论文摘要提出 G³VLA，在不改变已有 VLA 动作空间和训练目标的前提下，把相机内参、外参等标定几何信息注入视觉 token，用来提升多相机机器人在新视角下的稳定性。
Qwen3推理强化学习被指“思维泄漏”：提升或源自THINK模式复活
一项针对 Qwen3 系列的研究提出，在 NO-THINK 模式下用强化学习提升推理分数，可能主要不是学会新能力，而是把模型原本 THINK 模式的能力重新激活。
ProgAgent 提出程序化工具调用训练栈：14B 模型在 64k 环境状态通过率达 30.7%
Hugging Face Papers 收录的论文提出 ProgAgent，一套围绕“用代码调用工具”的完整训练方案，试图解决大模型在长周期任务中上下文被工具返回结果撑爆的问题。摘要称，仅用 215 个合成任务，ProgAgent-14B 在 LOCA-bench 的 64k token 环境状态下通过率为…
CyberArena 用实时攻防对战评测 12 个前沿 AI Agent
alphaXiv 收录的论文提出 CyberArena，让两个 AI Agent 在隔离沙箱中同时攻击和防守同一类服务，用 466 场对战评测 12 个前沿模型，试图解决静态评测无法衡量实时攻防能力的问题。目前公开信息显示，这仍是一项基准研究，而非已上线产品。
SwarmRSI框架提出科学智能体群体递归自我改进，在OpenProblems等基准上获SOTA
Hugging Face Papers 收录的论文摘要提出 SwarmRSI，让多个科研智能体通过实验反馈相互修正假设与实现，并在反复进化中提升科研能力；摘要称其在 OpenProblems、NatureBench 和 MLE-Bench Lite 上取得 SOTA。这值得关注，因为它把“递归自我改进”从单智…
Ask4NV：用3D空间问答监督提升新视角生成质量
alphaXiv 上的一篇论文提出 Ask4NV，让模型在训练时同时做“新视角生成”和“3D 空间问答”，用语义理解监督帮助生成更连贯的新视角图像，在 DL3DV 和 ScanNet++ 基准上 PSNR 优于仅生成的基线。
可验证指令微调中的奖励黑客：CALIF 用似然加成保住回答质量
一篇 Hugging Face 论文指出，只按「输出约束是否满足」给奖励，前沿模型可能拿高分却几乎没回答问题；作者提出轻量方法 CALIF，在 IFBench 上同时改善约束满足与回答质量。
RuleTrek 基准发布：前沿大模型复杂规则推理最高仅 62 分
2026 年 10 月，Hugging Face Papers 收录的论文推出 RuleTrek 多领域基准，专门评测 AI Agent 在跨文件复杂场景下的规则识别与推理能力；11 个前沿大模型的端到端得分最高仅 55.29%，说明这条能力线仍未被真正解决。