Apertus 1.5 发布：全开源模型从纯文本扩展到多模态推理
完全开源的 Apertus 模型发布 1.5 版本，在原有文本能力基础上加入图像与音频理解，并把上下文窗口扩展到 262,144 tokens，路线仍是只用公开数据训练。
分类： AI 资讯
SkillMarker 用 KGW 水印验证 Agent 技能归属
Hugging Face Papers 收录的论文提出 SkillMarker，用 KGW 水印为 Agent 技能做归属验证与泄露追踪，同时尽量不破坏技能指令的功能准确性。它值得关注，因为技能资产正成为可复用、可分发、也容易被复制泄露的新形态。
冻结DINOv3做超分新范式：RAESR单卡37毫秒推理
一篇来自 Hugging Face Papers 的论文提出，超分辨率不该在像素或重建导向的潜空间里做，而应把退化图像映射回冻结 DINOv3-L 的语义潜空间流形上。作者称由此得到的 RAESR 在多个评测集上取得更好的保真度—感知权衡，单张 H20 处理 512×512 图像约 37 毫秒。
多教师在线蒸馏新方案Road MOPD：跨教师守卫缓解梯度冲突
Hugging Face Papers 收录了一篇新论文，提出 Road MOPD 方法，用非路由教师作为跨域“评论家”来协调多教师在线蒸馏中的梯度冲突，实验显示在高冲突场景下性能提升超过 5 个百分点。
Cortex框架：将上下文能力固化进模型参数，14B模型50次编辑后保留99.8%原能力
一篇上传至 Hugging Face Papers 的论文提出 Cortex 框架，尝试把上下文带来的性能增益“内化”进模型参数，在 4B 至 120B 模型上实现上下文移除后仍保留大部分增益，同时尽量不损伤原有能力。
KV4-RL提出INT4 KV缓存量化方案，GRPO训练累计提速1.8倍
一篇新论文提出 KV4-RL，在大模型强化学习训练中用 INT4 量化 KV 缓存，对注意力汇和近期上下文保留 INT8，缓解了量化导致的学习退化，在 Qwen3 系列上实现近 1.8 倍 rollout 提速，精度损失控制在 0.5 个百分点以内。
RAR框架提出自适应时间速率，解决交互式世界模型长时程生成难题
2026年10月，一篇新论文提出RAR框架，让基于视频的交互式世界模型能以可调时间速率生成内容，解决了固定速率下时间粒度与物理视野的固有矛盾。
PixText 提出像素空间分组生成：场景文字修复四步推理，OCR 准确率 94.66%
Hugging Face Papers 收录的论文 PixText 把图像中的小字、复杂字符修复重新定义为“像素空间分组生成”，只重绘目标区域，在自建基准上目标字符 OCR 准确率达到 94.66%。它指向生成图像落地时一个常被忽略的问题：字能不能被看清、被读对。
4-NFE 扩散蒸馏新方法 SMD：无需辅助评分模型，挑战多步教师模型
一篇 2026 年 10 月 13 日发布的论文提出 SMD 框架，仅用回归式 on-policy 速度蒸馏，就能在 4 步采样下生成图像、视频和 3D 内容，并声称在多个基准上超过多步教师模型。若结论经复现验证，少步扩散推理的成本门槛可能进一步降低。
LensErase 发布百万级数据擦除基础模型，主打文本水印与多物体移除
一篇 2026 年 10 月 13 日上传至 Hugging Face Papers 的论文提出 LensErase，一个基于掩码的“擦除一切”基础模型，覆盖物体、视觉文字、水印及其关联效果与多目标移除，并公开了 1.01 亿对训练数据规模。值得关注的是，它试图把图像擦除从单点工具推向通用基础模型层面。