标签： 人工智能

一篇新论文提出 KV4-RL，在大模型强化学习训练中用 INT4 量化 KV 缓存，对注意力汇和近期上下文保留 INT8，缓解了量化导致的学习退化，在 Qwen3 系列上实现近 1.8 倍 rollout 提速，精度损失控制在 0.5 个百分点以内。

2026年10月，一篇新论文提出RAR框架，让基于视频的交互式世界模型能以可调时间速率生成内容，解决了固定速率下时间粒度与物理视野的固有矛盾。

一篇 2026 年 10 月 13 日发布的论文提出 SMD 框架，仅用回归式 on-policy 速度蒸馏，就能在 4 步采样下生成图像、视频和 3D 内容，并声称在多个基准上超过多步教师模型。若结论经复现验证，少步扩散推理的成本门槛可能进一步降低。

一篇新论文在 ALFWorld、ScienceWorld、Search-QA、WebShop 四个任务上，用三种模型规模比较了十种自蒸馏方法与 GRPO，发现没有一种方法能全面胜出。这项研究把「训练稳定性」和「算力成本」摆到台面上，对智能体训练的方法选择有直接参考价值。

2026年10月14日，Hugging Face Papers收录了一篇关于“智能体机器人”的综述论文，尝试把当前分散的机器人智能研究，统一到模型、数据、环境、Harness四个功能域共十七个类别中。