标签： 大模型

Hugging Face Papers 收录的论文摘要提出 LLM2R，把 3D 零件装配改写为序列建模问题，用预训练大语言模型一次前向预测全部零件的旋转和平移；它试图解决零件数量增多时现有方法扩展性差的问题。

Hugging Face Papers 上出现了一篇题为 EvaOmni 的论文摘要，提出一个要求模型同时回答问题和标注音视频证据区间的评测基准，用来检验多模态推理是否真有证据链，而非靠选项或文字线索猜答案。

研究者提出推理系统 Specter，把量化、投机解码和专家卸载结合起来，缓解 MoE 大模型单卡显存不足导致的 PCIe 传输瓶颈。据论文摘要，单请求场景下单 token 生成时间平均提升 1.50 倍，最高 1.88 倍。

Hugging Face Papers 收录的一篇论文提出 Draft Refinement Language Models（DRLM），让单个去噪器并行提出修订并评估完整草稿，在推理任务上据摘要称优于自回归与离散扩散基线；该研究尚未核验全文实验，也非上线产品。

2026年10月18日，Hugging Face Papers 收录论文 CoEvo-RSI，提出让智能体的“身体”（执行框架）和“大脑”（模型）双向继承历史设计、协同进化，以缓解执行框架与模型能力脱节的问题。

arXiv 2026年10月21日上线的一篇新论文提出 M-Plan，一个把长期记忆与短期记忆整合进闭环的多智能体框架，目标是让大模型智能体在缺少先验训练的长程多轮任务中表现更稳。摘要称其在 ALFWorld、Webshop 和 PDDL 上优于多个基线，但该结论目前仅来自摘要，尚未核验全文实验。