标签：大模型

ReVeR 提出点式评分奖励模型：从指令推导评分标准

一篇 2026 年 10 月发布在 Hugging Face Papers 的论文提出 ReVeR，一个按指令独立生成评分标准、并用工具辅助裁判来打分的过程奖励模型，试图减少传统评分模型因参考候选回答而产生的偏差。

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。

alphaXiv 上一篇数学论文提出用条件期望是否可交换来度量“局部信息无法拼成整体”的失败，并用一个三枚二元 token 的玩具模型把这种失败量化为 1−3ε，窗口一致率低于 1/3 时不存在共同联合分布。

Hugging Face Papers 收录的论文提出首个系统化的多智能体视觉语言导航（MAVLN）形式化定义与基准，并给出协同导航系统 TRISS，为多机器人协作导航提供了可比较的任务约束和评测框架。

alphaXiv 上出现一篇论文，提出不依赖外部奖励、通过“赋权最大化”训练智能体的方法 SEE，在 Crafter 等环境中出现收集资源、制作工具乃至造房子的行为。它值得关注，因为它把赋权研究从表格设定推到了更接近真实规模的技能学习场景。

最新论文测试在指令微调或继续预训练后，仅调整模型最终预测的词汇偏置和温度能否挽回"遗忘"的网页文本预测能力，结果显示大部分损失无法通过这种无上下文修正恢复，最高仅约36%，且合成随机损伤实验也能达到29%恢复，说明表面修正不等于根因修复。

alphaXiv 发布综述论文，将大模型系统的异常检测划分为“边界建模”和“对齐检测”两种思路，后者主张对照当前请求的 SLO、用户意图和安全要求来判断异常，而非只比对历史运行模式。

一项预注册实验发现，把与真事实高度相似的假事实移入或移出语言模型的局部注意力窗口，模型误信概率并未在窗口边界发生跳变；省显存的滑窗混合架构整体上更易被迷惑，但原因不是窗口边界本身。

论文提出把用户在内容平台上的真实行为当成监督信号，用10万用户匿名行为数据构建训练任务。在论文测试条件下，微调Qwen3.6-35B-A3B后，用户相关任务评测提升最高达11.5分。

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。