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。
标签： 图像生成
Arena推出Max路由并登顶Agent Arena
Arena 在 2026 年 10 月发布 Max 路由，并称其登顶 Agent Arena 评测榜。对关注大模型 API 选型和多智能体应用的开发者来说，这意味着又多了一个可参考的路由方案。
T3lescope 发布：从多视角图像生成任意分辨率高保真 3D 表面重建
2026 年 10 月，Hugging Face Papers 收录了 T3lescope，一种无需逐场景优化、可从多视角图像重建任意尺度高保真三维网格的生成式方法，在室内、室外和城市级场景中表现优于现有前馈与生成基线。
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。
MixTok 混合视觉分词器：1D 全局加稀疏 2D，降低图像 token 预算
Hugging Face Papers 收录的论文 MixTok 提出一种混合视觉分词方案：用紧凑的一维全局 token 打底，再按内容复杂度稀疏补充二维局部 token。在相同平均 token 预算下，图像重建与生成的评测指标表现有竞争力，指向“按需分配算力”的视觉 tokenization 路线。
Hugging Face论文：On-policy蒸馏常非最优，Semi-OPD在14/17组超越
Hugging Face Papers 收录的一篇论文提出 Semi-OPD：用初始学生模型自己生成的离线轨迹来蒸馏，在 17 组教师—学生模型对比中 14 组优于当前流行的 on-policy 蒸馏（OPD），最高准确率提升 13.6%，训练提速 11.4 倍。它提醒开发者：on-policy 采样并非总是…
让AI参与人生决策：七条个人提效建议引发的行业讨论
2026年10月12日，X用户@BTCdayu发布七条个人提效建议，其中“让AI参与人生决策”被放在首位，引发社区对AI角色从工具向决策辅助延伸的讨论。
S-Space：多模态大模型内部的线性空间工作区
研究人员在多模态大模型内部发现名为 S-Space 的线性表示子空间，它像内部空间工作区一样编码物体的水平、垂直和距离坐标，并可用于诊断空间推理失败的环节。
Alexandr Wang谈马斯克、扎克伯格与拿破仑的共识：反避险、零层级与快速决断
Scale AI创始人、Meta首席AI官Alexandr Wang在社交平台分享了他对马斯克、扎克伯格与拿破仑共同点的观察，核心观点是：顶级操盘手共享一套反避险心智——用极小扁平团队突破边界、把失败视为有上限而回报无上限、决定前反复推演决定后绝不犹豫。