ExeWorldBench发布：首个评测代码化可执行3D世界建模的基准
Hugging Face Papers 2026年10月10日收录的论文摘要提出 ExeWorldBench，一个用代码化3D世界构建来同时评测“世界理解”与“可执行实现”的新基准，前沿模型在该测试中表现有限。
分类： AI 资讯
ReVeR 提出点式评分奖励模型：从指令推导评分标准
一篇 2026 年 10 月发布在 Hugging Face Papers 的论文提出 ReVeR，一个按指令独立生成评分标准、并用工具辅助裁判来打分的过程奖励模型，试图减少传统评分模型因参考候选回答而产生的偏差。
EgoExplorer 发布 100 小时穿戴式动捕数据集，误差较基线降 71.9%
Hugging Face Papers 收录的论文摘要显示，研究者提出 EgoExplorer 穿戴式观测系统，录制了 100 小时人类移动操作的多模态数据，并用 Calibrate-Complete-Constrain 流程在稀疏传感下重建全身运动，相比最强基线将身体点误差降低 71.9%。这为从人类演示中…
CineRecon 基准发布：用 50 段视频评测 12 个前沿模型重建动态 3D 场景
Hugging Face Papers 收录的 CineRecon 基准，用 50 段参考视频和 360 个标注片段，评测 12 个前沿模型能否把完整视频重建为可编辑动态 3D 场景，结果显示相机、静态和动态三个维度全部存在失败案例。
DeltaTTG提出Token-to-Go进度信号，多轮Agent训练平均分提升5.7以上
Hugging Face Papers 收录的论文 DeltaTTG 提出用“Token-to-Go”作为多轮 Agent 训练中的可复用进度信号，在不改变奖励函数的前提下重新分配各步骤优势值；摘要显示其在 ALFWorld 等三个任务上平均分较 GRPO 提升 5.7 以上。目前信息仅来自论文摘要，尚不代表…
扩散模型新训练框架SALD：无教师网络，用双噪声路径实现自参考优势学习
一篇 2026 年 10 月 7 日发布在 Hugging Face Papers 的论文提出 SALD，让扩散模型用同一条模型在两种噪声水平下的表现差异，生成训练信号，不再依赖外部教师网络或额外可训练参数。
ClawLoop 提出无外部教师的自我改进智能体训练闭环
Hugging Face Papers 收录的论文摘要提出 ClawLoop，让基于 LLM 的智能体在沙箱环境中通过“任务合成—训练—诊断反馈”循环自我提升，不依赖更强的外部教师模型，并在多个基准上报告一致改进。
UltraBERT论文提出双掩码比训练法，单编码器同时刷新GLUE与BEIR纪录
Hugging Face Papers 收录的论文《UltraBERT: Beyond the Limit of BERT Pre-Training》提出重新设计双向编码器的预训练配方，让单一模型首次同时在分类和检索任务上达到最优，分别取得 GLUE 91.0 和 BEIR 47.7 的成绩。
PANINI-DR多智能体框架发布：BrowseComp-Plus准确率73.3%
Hugging Face Papers 收录的论文摘要提出 PANINI-DR 多智能体框架，通过共享语义工作空间分离研究协调与验证，在 BrowseComp-Plus 等基准上取得领先成绩，但尚未核验全文实验，也非已上线产品。
Harness^2 提出递归智能体框架：无需真值验证也能改进执行外壳
Hugging Face Papers 收录的论文 Harness^2 提出一种即插即用的递归智能体执行框架，通过任务级和框架级两层递归，在没有标准答案验证器的情况下自动改进大模型智能体的执行外壳，并在多个基准上取得提升。值得关注的是，它试图回答“开放式任务中智能体如何自我进化”这一关键问题。