标签：人工智能

百万并行环境下的RL探索瓶颈：SGS采样法让四足机器人与精密装配成功率大幅提升

面对百万级并行仿真环境，强化学习却把大量算力浪费在已掌握或无法完成的任务配置上。一篇 2026 年 10 月发布在 alphaXiv 的论文提出 Success Guided Sampling，用近期成功率动态调整采样分布，在四足运动和精密装配任务上显著优于均匀采样基线。

一个全新的稀疏优先推理引擎 SparseEngine 从底层重构了 KV 缓存管理，支持 15 种稀疏注意力方法，并在实验中实现了比 vLLM 高 10 倍以上的吞吐量。它为长上下文 LLM 智能体的内存和计算瓶颈提供了新的解决方案。

Hugging Face Papers 收录的论文提出 Hebero 基准与 DGPO 方法，在 GPU 并行仿真中联合训练单一策略完成 40 项异构操作任务，报告 90.1% 状态输入平均成功率，值得关注机器人多任务强化学习与并行仿真结合的趋势。

GitHub 上出现了一个名为 multica-ai/andrej-karpathy-skills 的项目，把 Andrej Karpathy 对 LLM 写代码常见问题的观察整理成一份 CLAUDE.md 文件，用来约束 Claude Code 的行为，目前登上 GitHub Trending。

alphaXiv 10月8日展示的一篇论文提出，把冻结的决策模型 Jev 作为参考策略、探索评判器和回放评分器嵌入强化学习训练，在九个 MiniGrid 任务和三个 Atari 游戏上取得优于标准 DQN 的表现，模型自身无需训练。

论文提出 REMORY 神经记忆网络，在文本摘要后追加少量软记忆 token，让冻结的大模型在压缩历史的情况下更接近全上下文的表现，长任务智能体的工具重复输出和报错同步减少。

GitHub Trending 上出现了一个名为 Context Mode 的 MCP 服务，它把 MCP 工具调用的原始输出搬出上下文窗口，并用 SQLite 与 FTS5 保存会话记忆，官方称可减少 98% 的上下文占用。

Hugging Face Papers 收录的论文提出 Opera 框架，把对编程智能体的每次纠错当作可追踪的「持久批注」，直到问题真正解决，而不是只看智能体是否口头服从。

开源项目 hugohe3/ppt-master 登上 GitHub Trending，它能把 PDF、DOCX 或网页主题直接转成原生可编辑的 PPTX，而非填充模板或纯文本框，目标是让 AI 生成的演示文稿尽量向手工制作的 PowerPoint 靠拢。

alphaXiv 2026年10月8日收录的论文提出 MASS 方法，让同一基座模型在多智能体自我监督下迭代优化工作流与执行，在开放研究基准上把单位输出 token 的性能提升约1.2-1.6倍。