EgoExplorer 发布 100 小时穿戴式动捕数据集，误差较基线降 71.9%
Hugging Face Papers 收录的论文摘要显示，研究者提出 EgoExplorer 穿戴式观测系统，录制了 100 小时人类移动操作的多模态数据，并用 Calibrate-Complete-Constrain 流程在稀疏传感下重建全身运动，相比最强基线将身体点误差降低 71.9%。这为从人类演示中…
标签： 人工智能
`use_stateful_dataloader` under multi-process training restores the cursor, not the shuffle order — sampler permutation is never serialized
在 Accelerate 多进程（DDP/Gloo，num_processes > 1）训练中启用 use_stateful_dataloader=True 且 DataLoader 使用 shuffle=True 时，保存/恢复 dataloader 状态只还原了“消费到第几批（cursor）”，
CineRecon 基准发布：用 50 段视频评测 12 个前沿模型重建动态 3D 场景
Hugging Face Papers 收录的 CineRecon 基准，用 50 段参考视频和 360 个标注片段，评测 12 个前沿模型能否把完整视频重建为可编辑动态 3D 场景，结果显示相机、静态和动态三个维度全部存在失败案例。
DeltaTTG提出Token-to-Go进度信号，多轮Agent训练平均分提升5.7以上
Hugging Face Papers 收录的论文 DeltaTTG 提出用“Token-to-Go”作为多轮 Agent 训练中的可复用进度信号，在不改变奖励函数的前提下重新分配各步骤优势值；摘要显示其在 ALFWorld 等三个任务上平均分较 GRPO 提升 5.7 以上。目前信息仅来自论文摘要，尚不代表…
扩散模型新训练框架SALD：无教师网络，用双噪声路径实现自参考优势学习
一篇 2026 年 10 月 7 日发布在 Hugging Face Papers 的论文提出 SALD，让扩散模型用同一条模型在两种噪声水平下的表现差异，生成训练信号，不再依赖外部教师网络或额外可训练参数。
ClawLoop 提出无外部教师的自我改进智能体训练闭环
Hugging Face Papers 收录的论文摘要提出 ClawLoop，让基于 LLM 的智能体在沙箱环境中通过“任务合成—训练—诊断反馈”循环自我提升，不依赖更强的外部教师模型，并在多个基准上报告一致改进。
UltraBERT论文提出双掩码比训练法，单编码器同时刷新GLUE与BEIR纪录
Hugging Face Papers 收录的论文《UltraBERT: Beyond the Limit of BERT Pre-Training》提出重新设计双向编码器的预训练配方，让单一模型首次同时在分类和检索任务上达到最优，分别取得 GLUE 91.0 和 BEIR 47.7 的成绩。
fix: json_tool_call response not unwrapped for Vertex AI Claude (parameter envelope)
当你在 LiteLLM 中用 vertex_ai/claude-* 模型并设置 response_format 为 json_schema 时，返回的 message.content 可能被包了一层 {"parameter": ...} ，导致下游解析拿不到 schema 里的字段。优先确认你用的
[Bug]: failed /v1/audio/speech calls write no LiteLLM_SpendLogs row (success rows and other routes’ failure rows are written)
![[Bug]: failed /v1/audio/speech calls write no LiteLLM_SpendLogs row (success rows and other routes' failure rows are written)](https://www.chat-gpts.plus/wp-content/uploads/2026/10/41521-51f8d6b9-768x403.jpg)
这个报错通常出现在 LiteLLM Proxy 已经开启 SpendLogs 落库、而 /v1/audio/speech 调用被上游拒绝（例如 voice 参数非法）返回 4xx/5xx 的场景；此时成功调用会写 LiteLLM_SpendLogs ，但失败调用不写任何行，导致失败原因既不在 Spe
PANINI-DR多智能体框架发布：BrowseComp-Plus准确率73.3%
Hugging Face Papers 收录的论文摘要提出 PANINI-DR 多智能体框架，通过共享语义工作空间分离研究协调与验证，在 BrowseComp-Plus 等基准上取得领先成绩，但尚未核验全文实验，也非已上线产品。