视觉智能体工具框架OpenVLHarness论文：多模态记忆加持，22项评测平均提升最高12.6分
Hugging Face Papers 2026年10月19日收录的论文摘要提出 OpenVLHarness，一套面向真实视觉智能体工具调用与持久多模态记忆的推理框架，声称在22项评测上比无工具基线平均高9.7至12.6分。它值得关注，是因为它讨论的是“给模型配外部工具和记忆”，而非继续堆推理算力。
标签： 人工智能
EvoWeb基准发布：评估编码智能体在持续演进Web应用上的表现
Hugging Face Papers 收录的论文摘要提出 EvoWeb 基准，用 320 个累积需求测试编码智能体在持续修改同一 Web 应用时的可靠性，而不只看它能否一次性满足固定规格。
Hugging Face 新论文：MTEdit 用50万条多轮图像编辑轨迹训练模型
Hugging Face Papers 收录的论文摘要提出 MTEdit 多轮图像编辑数据集与配套基准，用“打包轨迹画布”生成训练数据，声称可缓解多轮编辑中的画质漂移，并据此微调出 Qwen-Image-MTEdit。
OR-License基准发布：11款前沿大模型实测运筹咨询，Claude Code最佳配置可行率88.39%
Hugging Face Papers 收录的论文提出 OR-License 基准，用真实付费运筹咨询项目检验大模型智能体能否直接从客户原始材料交付专业方案；结果显示模型在条件目标质量上可超过专家，但综合质量仍落后。
世界模型组合泛化不足：AnyGoal基准揭示规划新短板
Hugging Face Papers 于 2026 年 10 月 19 日收录的论文提出 AnyGoal 基准，用于检验世界模型能否把训练中见过的状态因子和动作重新组合；结果显示，在多个环境和模型家族中，这类组合任务仍会失败。
Fréchet Forcing：不依赖长视频与教师模型，微调流式世界模型可稳定生成超4000帧
Hugging Face Papers 收录的一篇论文提出 Fréchet Forcing，用短视频和真实数据统计微调流式视频世界模型，使其在动作条件下长时间生成仍保持稳定和场景一致。摘要称在 MiniWorld-1B 上微调后，可以稳定生成超过 4000 帧。
ScaleNav用互联网第一视角视频做机器人局部导航预训练
浙江大学等团队在 Hugging Face Papers 发布论文摘要，提出 ScaleNav，用互联网第一视角视频做语言条件局部导航预训练，在仿真基准和四足机器人上做了验证。
RoAR-VAE新思路：从损坏潜变量中稳健预测，提升扩散生成效率
视觉 tokenizer 研究提出 RoAR-VAE，通过“稳健预测”原则让扩散模型更容易学习潜变量，在相同训练预算下生成基准平均提升 2.19 分，小文本重建精度较 FLUX.1-VAE 提升 16.93 个百分点。
Self-HPO：让编码智能体的策略与工具链交替进化，Qwen3.5 解决率提升7个百分点
Hugging Face 论文提出 Self-HPO，让编码智能体一边用强化学习更新策略模型，一边由模型自己提出新的运行框架（harness），在三个编码基准上把 Qwen3.5-35B-A3B 的平均解决率从 57.8% 提升到 64.8%。
Hugging Face新论文提出MT Forcing：用单轮蒸馏缓解多轮图像编辑漂移
Hugging Face Papers 收录的一篇论文提出 MT Forcing 训练范式，针对自回归扩散多模态模型在多轮图像编辑中“越改越差”的问题，试图同时稳住画质和跨轮一致性。目前公开信息仅为论文摘要，尚需核验全文实验与复现结果。