新论文提出DRLM：用草稿精修替代扩散反向过程，6M参数在数独任务达93.9%
Hugging Face Papers 收录的一篇论文提出 Draft Refinement Language Models（DRLM），让单个去噪器并行提出修订并评估完整草稿，在推理任务上据摘要称优于自回归与离散扩散基线；该研究尚未核验全文实验，也非上线产品。
标签： 人工智能
PORA提出按需分配推理预算：智能体该短思考还是长思考
arXiv 10 月 21 日收录的论文提出 PORA 方法，训练 LLM 智能体判断每一步该用短推理还是长推理，以在有限推理预算下兼顾当前动作质量与后续步骤。根据摘要，该方法在 BFCL 记忆任务上超过最强已有方法 17.4 至 32.9 个百分点。
PROVISO：按信息来源判断LLM智能体动作，安全与效用兼得
arXiv 于 2026 年 10 月 21 日发布的一篇论文提出 PROVISO 控制器，在智能体动作执行前依据内容来源（追溯）决定提交哪个动作，摘要称多个基线都未能在安全与效用上同时超过它。
CoEvo-RSI提出模型与执行框架协同进化，缓解“脑身不匹配”问题
2026年10月18日，Hugging Face Papers 收录论文 CoEvo-RSI，提出让智能体的“身体”（执行框架）和“大脑”（模型）双向继承历史设计、协同进化，以缓解执行框架与模型能力脱节的问题。
arXiv 论文提出 Omni-Woodpecker：免训练纠正全模态模型幻觉，CMM 提升 12.9 分
arXiv 新论文提出免训练框架 Omni-Woodpecker（OWP），把全模态大模型的跨模态幻觉从“改输出”转向“改内部表征”，在 Qwen2.5-Omni-7B 上于 CMM 和 AVHBench 分别提升 12.9 与 8.6 分。这为音视频联合推理的可靠性提供了一条不需重训模型的新思路。
4B医疗决策模型CS1：单次推理回答多类问题，外测接近27B模型
arXiv 新论文提出 40 亿参数的医疗决策模型 CS1-4B，可在单次推理中回答多类临床记录问题。据摘要，它在 21 个外部数据集上的综合表现接近最强的 270 亿参数模型，推理速度约快 6.4 倍，为“小模型读病历、大模型提问与整合”的分工提供了样本。
ReuF2F 新基准测试编程智能体求解本科科研开放问题，最强模型仅解约 40%
arXiv 上出现一个名为 ReuF2F 的 Lean 4 基准，把 244 道来自本科生科研项目（REU）的开放数学问题形式化，用于评测编程智能体能否端到端给出可机器校验的证明；摘要显示最强模型也只解出约 40%。
arXiv发布Physical AI综述：定义框架、技术全景与通向Physical AGI的挑战
arXiv 于 2026 年 10 月 21 日发布一篇 Physical AI 专题综述（arXiv:2610.27045v1），尝试为这一概念尚未统一的领域给出定义、技术版图与核心挑战，并明确提出从窄域自动化走向 Physical AGI 的路线问题。
M-Plan提出闭环多智能体框架：长短时记忆协同提升LLM智能体长任务表现
arXiv 2026年10月21日上线的一篇新论文提出 M-Plan，一个把长期记忆与短期记忆整合进闭环的多智能体框架，目标是让大模型智能体在缺少先验训练的长程多轮任务中表现更稳。摘要称其在 ALFWorld、Webshop 和 PDDL 上优于多个基线，但该结论目前仅来自摘要，尚未核验全文实验。
SPOKE：用偏好优化教AI打德州扑克，Kuhn与Leduc可剥削度双降
arXiv 2026年10月发布的一篇新论文提出 SPOKE 方法，把教师相对价值惩罚、策略锚定、风险约束与结构化推理监督结合起来，训练小型语言模型在隐藏信息博弈中做出更优策略决策，在Kuhn和Leduc扑克测试中取得更低的平均可剥削度。