UniAVC 提出音视频统一生成新框架：用渐进训练与非对称调度处理跨模态任务
2026 年 10 月 17 日上传至 Hugging Face Papers 的论文 UniAVC，提出用单套模型权重覆盖文本生成音视频、双向跨模态生成和指令编辑；其核心是用渐进训练与非对称噪声调度，缓解配对数据稀缺和共享调度不适配的问题。
标签： 人工智能
ProD蒸馏法提升小模型智能体效率，缓解长任务停滞循环
Hugging Face Papers 收录的一篇论文提出 Progress-Aware Distillation（ProD），针对小语言模型智能体在长轨迹任务中陷入反复失败循环的问题，在蒸馏阶段检测并惩罚停滞行为。据摘要，该方法在 8 个 0.6B 至 8B 参数模型上进行了测试，但论文全文实验细节尚未核验…
ECHO: 把多 token 预测并入自回归目标，底层模型兼任草稿器
Hugging Face Papers 上的一篇论文提出 ECHO：让骨干模型最后一层自己预测多个未来 token，并用动态深度采样控制训练成本，省掉多 token 预测（MTP）常设的辅助模块和额外前向。若结论成立，多 token 预测会更像训练目标的一部分，而不是外挂任务。
WildAWM用开源模型合成电脑操作环境，训练Qwen模型在8项基准上提升
alphaXiv 收录的论文提出 WildAWM，一套用开源模型合成 GUI、MCP 与命令行三合一电脑环境及任务的流水线，生成 341 个长程任务对，并在其上训练 Qwen 模型验证跨任务迁移。
同一批护栏模型分数差23倍：论文指安全基准测的是标签定义而非模型能力
一篇发表于 Hugging Face Papers 的论文摘要指出，同一批约 5.3 万条提示用两种“不安全”定义分别标注、训练出的十个护栏模型，在同一基准上的分数差距可达 23 倍，说明部分安全评测衡量的其实是标签里的政策定义，而不是模型本身的检测能力。
Node.js SDK toText() silently resolves when an SSE stream reports an error
在使用 Dify Node.js SDK（ dify-client ）的 toText() 处理 SSE 流时，如果服务端以 HTTP 200 返回一个 event: "error" 的错误载荷， toText() 不会抛出异常，而是静默 resolve：错误流返回空字符串，错误前的部分文本则被当作
RuntimeError: […] /project/cpp/grammar_parser.cc:564: EBNF parser error at line 2, column 1: Rule “root” is defined multiple times
![RuntimeError: [...] /project/cpp/grammar_parser.cc:564: EBNF parser error at line 2, column 1: Rule "root" is defined multiple times](https://www.chat-gpts.plus/wp-content/uploads/2026/10/43920-c079389d-768x403.jpg)
该报错通常出现在 vLLM V1 引擎启用了结构化输出（structured outputs）并提交 EBNF grammar 的场景：第一个 grammar 请求成功锁定 xgrammar 后端后，后续请求即使本身应被自动回退到其他后端，仍会交给 xgrammar 编译；若 grammar 非法，
issue: shared chat pages (/s/) reload endlessly and jump back to the bottom since v0.12.3
该问题出现在管理员通过 Admin Panel → Users → Chats 打开他人共享会话（路由为 /s/{chat_id} ）时：向上滚动阅读历史消息会被不断拉回底部，同时浏览器反复请求 /api/v1/chats/share/{id} 。优先排查前端加载逻辑是否被聊天记录的响应式更新反复触
issue: the ask_user card lays out Hebrew/RTL questions left to right
当 Open WebUI 的 ask_user 卡片（AskUserCard.svelte）渲染希伯来语等 RTL 问题的 header、question、options 和 Other 输入框时，这些文本被固定为 LTR，导致左对齐并把问号放到行尾。优先确认卡片的文本容器是否带有 dir="aut
UMT5 incredibly slow in generating
在使用 Transformers 加载 google/umt5-small 并执行 generate 生成时，会出现“UMT5 incredibly slow in generating”，即同样参数规模下 UMT5 的生成耗时明显高于 mbart/t5/mt5。优先排查 UMT5 相对位置偏置计算