DeLoop 自监督训练减少长任务智能体重复调用：Qwen3-8B 循环任务占比降至 6.1%
一篇发表于 2026 年 10 月的论文提出 DeLoop，用智能体自身 rollout 中的“循环动作”与后续非循环动作构成偏好对做自监督训练，无需任务奖励或标注，在压缩上下文的条件下明显减少了 Qwen、Llama、Gemini 类智能体的重复工具调用。
标签： 人工智能
扩散语言模型智能体可传隐藏信息：晚一次传递胜过四次往返
一篇 2026 年 10 月挂上 arXiv 的新论文提出，扩散语言模型智能体之间可以不经解码文本、直接传递压缩后的隐藏状态；摘要公布的消融实验显示，这些隐藏信息会实质影响接收方的判断，而且传递时机比往返次数更关键。
ALPS 视觉状态编码器：用单一表示打通世界模型的预测、指令与重建
Hugging Face Papers 于 2026 年 10 月 21 日收录论文 ALPS，宣称用单个 ViT-B/16 编码器同时兼顾物理状态、语言对齐与像素重建，官方摘要显示其在 LIBERO 的状态探测误差与 3.5 倍大的 V-JEPA 2-L 相当。对关注世界模型和机器人策略的开发者来说，这是视…
arXiv 论文提出 Fig：用可编程游戏环境定向诱导多智能体行为
arXiv 上一篇新论文提出多智能体系统 Fig，能把自然语言描述的行为转化为游戏环境中的定向干预，用于系统评估合作、欺骗、破坏等行为，而不是只被动观察行为自然涌现。
arXiv新论文：让两个大模型互相辩论，同模型趋同、跨模型分歧扩大
arXiv 上一项新研究用 GPT-6 Luna 和 Gemini 2.5 Flash Lite 搭建“双模型辩论”框架，观察大模型在多轮对话中如何相互影响；结果显示同模型对话平均缩小观点差距，跨模型对话反而扩大，而且明确要求“说服对方”并不必然提升影响力。
一张显卡刷榜：modded-nanoRT 用 305 秒刷新关系型预训练纪录
arXiv 新论文提出 modded-nanoRT，把关系型 Transformer 的预训练配方做成公开榜单，用单张 NVIDIA H200 在 305.63 秒内达到质量目标，比参考实现快 8.11 倍，门槛降到一张 GPU 也能参与。
GRSE 提出按组对比分配技能信用，多智能体技能演化在 HotpotQA 提升 6.7 F1
Hugging Face Papers 收录的论文提出 GRSE，用类似 GRPO 的组内对比方式，把多智能体团队里的共享奖励归功或归咎到具体的智能体与技能，而不是只看某个技能是否在轨迹中出现。
手绘电路图一键转SPICE网表：Sketch2Sim多阶段框架解析
arXiv 上一篇新论文提出 Sketch2Sim，把手绘电路照片转成可执行的 SPICE 网表并自动求解节点电压和电流，目标是辅助电路教学与设计评审。目前仅是论文摘要，未见成品或公开发布。
从电脑操作到机器人：PAPAV框架统一评估多模态具身智能体
Hugging Face Papers 收录的一篇论文提出 PAPAV 框架，用“感知、预判、规划、执行、验证”五项能力统一描述多模态智能体从电脑操作延伸到机器人操作的变化，并指出当前评测严重偏重“执行”环节。
arXiv 论文：决策语言模型 Jev 在临床评测中逼近大模型评委，成本仅为 1/73
arXiv 新论文比较了一款名为 Jev 的“决策语言模型”与多种 LLM 评委在临床 AI 输出评测中的表现：其与医生评分的吻合度在部分任务上不输前沿大模型，而成本低至后者的 1/73 到 1/294，耗时也更短。