Hugging Face 新基准 AgentSWE：编程智能体造出的 Agent 真能用吗
Hugging Face Papers 收录的一篇论文提出 AgentSWE 基准，专门检验编程智能体能否按需求造出真正可用的 Agent，结果显示目前没有模型接近达标。
标签： 人工智能
GroundAnything 用并行扩散做视觉定位 4B 模型挑战快速推理
Hugging Face Papers 收录的论文提出 GroundAnything，一个 4B 参数视觉定位基础模型，用块级并行扩散解码替代传统自回归逐 token 输出，在延迟敏感场景下尝试兼顾定位精度与推理速度。
4B 模型 GroundingPI 在 34 项评测超越 GPT-6 Astra，视觉定位成具身智能新底座
Hugging Face 论文页面 9 月 30 日收录的 GroundingPI，用 4B 参数把点与框统一成量化坐标输出，在 34 个定位基准上平均拿到 73.68%，高于论文对比中更大的 GPT-6 Astra。它试图证明：专门做“看清楚目标在哪”的感知预训练，可能比通用视觉语言骨干更适合机器人和自动驾…
SpatialASM：用训练内化主动空间想象，提升LVLM空间推理
Hugging Face Papers 收录的论文提出 SpatialASM 框架，通过训练时空间模拟，把主动空间想象能力内化到大视觉语言模型中，以改善多视角空间推理。
1.5K环境训练终端智能体：TerminalHorizon让AI持续自主工作12小时
Hugging Face Papers 收录的论文提出 TerminalHorizon，一个面向长周期终端智能体的自动化数据合成引擎，并用 1.5K 任务环境微调 Qwen3.5-27B 得到 TerminalHorizon-27B，在 12 项基准上报告性能提升。
Hugging Face论文提出MSAR：多流注意力残差架构，等损失下训练提速1.58倍
Hugging Face Papers 上出现一篇论文，提出多流注意力残差（MSAR），把注意力残差从单流扩展为多头深度注意力，在 18B 和 28B MoE 规模下报告了优于标准残差和已有残差变体的结果。
PageGram 让 20B 参数 n-gram 记忆表以平表读取代价实现多头寻址
alphaXiv 上的一篇新论文提出 PageGram，把多头 n-gram 哈希表的各行放进同一页，使设备端大参数记忆表的读取次数接近普通平表，同时保留多头抗碰撞优势。
扩散模型纠错训练：无需CFG也能提升生成质量
alphaXiv 上公开的一篇论文提出“纠错训练”方法，用一个小型纠错器修正扩散模型自身预测的累积误差，在无引导生成时显著改善 FID，效果接近 CFG，且推理成本可通过蒸馏摊销。
JetBrains 4782 份真实会话显示：Coding Agent 基准与工程师任务流存在系统性错位
一项基于 JetBrains IDE 中 4782 份真实工程师会话的研究发现，现有 issue 型基准任务与真实任务流差别明显，论文提出 SWE-TaskFlow 让基准向目标场景校准。
CASE：让医疗智能体主动寻找证据，纵向推理准确率提升超16%
研究者提出CASE临床智能体框架，让视觉语言模型学会在长周期病历与多序列MRI中主动搜寻证据，而不是只对预先筛选好的资料作答。在UK Biobank构建的纵向基准上，其Qwen3-VL-8B智能体在匹配条件下答案准确率相对GPT-5.4和Claude Opus 4.8分别提升超16%和10%。