SpecEvo 用轻量模型打杂、前沿模型把关，称科学发现 API 成本最多降80%
arXiv 上的一篇新论文提出多模型协作框架 SpecEvo，让轻量模型负责日常搜索、前沿模型只在关键节点介入，据称在 176 个科学发现任务上可降低最多 80% 的 API 成本，同时不弱于前沿模型基线。
标签： 大模型
SSI提出位置-通道全网格归因：多光谱图像解释兼顾空间与频谱
Hugging Face Papers 收录的论文提出 Spectral-Spatial Interpretation（SSI），为多光谱图像模型生成“位置×通道”的完整归因矩阵，而非单张热力图或全局通道排名。其价值在于让开发者能同时追问模型在多光谱图像的哪个位置、依赖哪些波段做出判断。
HarnessAdapt-RL：训练时同步进化工具链，9B模型SWE-bench提升9.8%
Hugging Face Papers 收录的论文提出 HarnessAdapt-RL，在强化学习过程中同时训练策略模型并自动调整代码智能体外部工具链（harness），9B 基座模型在 SWE-bench Verified 上比 GRPO 提升 9.8 个百分点。
IBM 推出 ClariEdge 数据集：小模型微调提升 RAG 查询澄清准确率至 96.6%
arXiv 新论文提出 ClariEdge 数据集，并用约 3,900 条样本微调 LoRA 小模型，使 RAG 系统识别歧义查询的分类准确率达到 96.6%，在摘要所述评测中超过多个大模型提示词基线。该结果尚未经全文实验与同行评审核验。
TraceForge 提出新蒸馏方案：不窃取闭源推理链，按学生模型风格重写推理过程
Hugging Face Papers 收录的论文《TraceForge》提出一种蒸馏替代方案：拿到教师模型的答案后，用学生模型所属的模型家族风格重新生成推理链，而不是解析闭源模型隐藏的推理内容。这项研究值得关注，因为它试图在不违反服务条款的前提下，解决“只有答案、没有推理过程”这一训练数据缺口。
Self-Credit 提出组内重标定信用分配，提升长程智能体强化学习效果
一篇发布于 2026 年 10 月 20 日的 Hugging Face Papers 论文提出 Self-Credit 方法，让大模型智能体在长程任务中通过自我生成引用摘要和组内重标定获得更密的训练信号，在 BrowseComp-Plus 等评测上超过基线。但目前仅为论文摘要信息，尚待全文实验核验。
ASAP 框架：训练前评测大模型智能体能力的新方法
Hugging Face Papers 收录的一篇论文提出 ASAP 框架，在预训练阶段就让基座模型跑端到端智能体任务，而不是等微调成聊天模型后再测，为观察模型的交互行为提供了新视角。
TEAL让编码Agent无监督进化数据湖分析工具
Hugging Face Papers 收录的论文提出 TEAL 方法，让编码 Agent 在无标签条件下自动积累和迭代数据湖分析工具，从而在有限步骤预算内提升答题表现。它值得关注，是因为这触及了 Agent 从“一次性解题”走向“跨任务复用经验”的工程路径。
HarnessRL提出与策略共同进化的训练支架，减少开放式强化学习的奖励失效
Hugging Face Papers 收录的论文 HarnessRL 提出一种与策略共同进化的“训练支架”，用来缓解开放式强化学习中基于评分标准的奖励随训练失效的问题，并在其自建的多领域评测集上报告了有限幅度的提升。
DecisionPivot 发布：LLM 决策模型评分接近，对比组准确率相差 26 个百分点
Hugging Face Papers 上出现了一个名为 DecisionPivot 的决策能力诊断基准，用于检验 LLM 系统中路由、护栏和输出校验等决策环节。它试图回答：总分相近的模型，是否真的在受控条件下做出同样可靠的判断。