RuleTrek 基准发布：前沿大模型复杂规则推理最高仅 62 分
2026 年 10 月，Hugging Face Papers 收录的论文推出 RuleTrek 多领域基准，专门评测 AI Agent 在跨文件复杂场景下的规则识别与推理能力；11 个前沿大模型的端到端得分最高仅 55.29%，说明这条能力线仍未被真正解决。
标签： 大模型
冻结DINOv3做超分新范式：RAESR单卡37毫秒推理
一篇来自 Hugging Face Papers 的论文提出，超分辨率不该在像素或重建导向的潜空间里做，而应把退化图像映射回冻结 DINOv3-L 的语义潜空间流形上。作者称由此得到的 RAESR 在多个评测集上取得更好的保真度—感知权衡，单张 H20 处理 512×512 图像约 37 毫秒。
Cortex框架：将上下文能力固化进模型参数，14B模型50次编辑后保留99.8%原能力
一篇上传至 Hugging Face Papers 的论文提出 Cortex 框架，尝试把上下文带来的性能增益“内化”进模型参数，在 4B 至 120B 模型上实现上下文移除后仍保留大部分增益，同时尽量不损伤原有能力。
KV4-RL提出INT4 KV缓存量化方案，GRPO训练累计提速1.8倍
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。
十种自蒸馏方法对比GRPO：胜出有限，训练稳定性被忽视
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。
Hugging Face论文系统梳理智能体机器人：模型、数据、环境与Harness四层框架
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。
CriticOPD：用教师批判修复在线蒸馏中的监督失效
一篇论文提出 CriticOPD，用教师模型对错误推理路径的“批判”来修复在线蒸馏中的监督失效问题，在 Qwen3 学生模型和数学推理基准上取得提升。
ActionOPD：按语义动作蒸馏智能体，Qwen3跨模型提升最高6.9个百分点
Hugging Face Papers 2026年10月14日收录的一篇论文提出 ActionOPD，把语言模型智能体的蒸馏从“对齐 token 概率”改成“对齐语义动作”，让 Qwen3-4B 与 Qwen3-8B 在多个分布外基准上平均提升 3.3 到 6.9 个百分点，且不要求师生模型同族或共享 tok…
多模态智能体记忆怎么进化？Hugging Face 论文提出两轴分析框架
Hugging Face Papers 收录的一篇论文摘要提出两轴框架，用来梳理多模态智能体如何形成、表示和管理记忆，并把记忆管理分为静态、动态、自进化三层，为长周期任务提供分析视角。
τ-Emotion-Bench 发布：情绪波动会让 LLM Agent 工具调用成功率大幅下降
Hugging Face Papers 收录的论文提出 τ-Emotion-Bench，一个覆盖 10 个领域的工具调用 Agent 评测基准，专门把用户情绪状态纳入交互变量，并配套发布 Tracer 数据生成流水线。它揭示了一个容易被忽略的问题：即使工具调用逻辑正确，用户情绪变化也可能让 Agent 任务完…