MAI-Gym 开源一站式 GUI Agent 评测与强化学习训练平台
Hugging Face Papers 收录的论文提出 MAI-Gym，一个覆盖移动端、电脑与网页环境的开源平台，把 GUI Agent 的评测、数据采集与在线强化学习训练统一到同一套流程里，并放出 MAI-Gym-9B 模型与 2000 条验证任务。
标签： 大模型
机器人世界模型新方法T2-Z：测试时优化环境潜变量，成功率提升至72.96%
2026年10月15日，alphaXiv平台展示的论文提出T2-Z方法，在机器人世界模型中引入可学习的“环境潜变量”，让机器人在测试时从实际交互中推断隐藏的环境因素（如摩擦力、质量），从而提升动作预测准确性。在7个模拟环境和4个真实机器人任务中，物体预测误差从15.20降至7.00，动作成功率从33.73%提…
AutoSFT多智能体系统实现SFT数据研究自动化：每条组件效果可单独归因
一篇新论文提出让多智能体自动完成 SFT 数据研究中的比例调整、剪枝、修复、替换与合成等多类数据操作，并在 IFEval、IFBench 和 MBPP+ 上观察到较单智能体更稳定的提升。
自进化智能体暗藏脆弱性：技能漂移可抹去过半增益
arXiv 新论文指出，技能与策略协同进化的智能体在部署后若技能库发生漂移，性能可能大幅下滑，最坏情况下会抹去相对无技能基线 52% 至 93% 的增益。论文提出 CODA 评测协议来审计这一盲区。
新论文提出 Waypoint-OPD：用中间检查点门控策略偏移蒸馏
Hugging Face Papers 上的一篇新论文提出 Waypoint-OPD，用 RL 训练过程中的中间教师检查点来比较早期与晚期策略偏移的方向是否一致，并据此决定是否把最终偏移蒸馏给学生模型。目前公开信息仅为论文摘要，作者尚未在页面中说明该方法的落地计划。
免奖励、免裁判、免答案：AI 智能体自建 DSL 精确问答
arXiv 上一项新研究提出一种无奖励、无裁判、无标准答案的自改进机制：让冻结大模型通过双层循环为精确表格问答生长出自己的领域专用语言（DSL），并声称零错误算子也能被可靠拒绝。它把“没有答案键也能自我扩展”这个开放问题向前推了一步。
EvolvingBrain 提出自适应技能系统，让多模态智能体在开放世界自我进化
arXiv 上新论文提出 EvolvingBrain，用分层技能系统替代传统监督微调和结果强化学习，让多模态智能体在开放世界中通过经验积累自我进化，并在 VAB-Minecraft 与 DiscoveryWorld 任务上报告了成功率提升。
ARIA框架提出多智能体运行时修复，用2.4万轨迹训练干预策略
arXiv 2026年10月16日发布的一篇新论文提出 ARIA 框架，试图让多智能体系统在执行过程中被实时检查和修正，而不是等跑完再诊断或反复重跑。其核心价值在于把“执行中修复”变成可训练、可复用的策略。
L2G-SR：用学习式结构验证器引导LLM符号回归
arXiv 上新出现的一篇论文提出 L2G-SR，用“结构验证器”给 LLM 符号回归补上结构判断，缓解只看数值误差选错公式的问题。
ViRA研究：视觉基础模型并非总能提升端到端自动驾驶，目标选择很关键
OpenDriveLab 提出规划器无关的视觉表征对齐框架 ViRA，系统研究视觉基础模型（VFM）能否真正提升端到端自动驾驶，并给出 92.3 EPDMS 的 ViRA-Diffusion 方案。它值得关注，因为自动驾驶行业正大量引入通用视觉大模型，但“表征更强是否等于开得更好”此前缺乏清晰结论。