多智能体数学推理表现如何？新基准 MAMath-Bench 引入过程与鲁棒性评测
一篇 arXiv 新论文提出 MAMath-Bench，用 1003 道覆盖文本、图像、音频的多模态数学题，同时考察多智能体系统答案是否正确、推理过程是否可靠、以及面对对抗性推理链扰动时是否稳健。摘要显示，多智能体协作未必能稳定超过强单模型。
标签： 大模型
Lean 4 定理证明新方法：利用编译器报错进行有界修复，求解率相对提升最多 32%
一篇 arXiv 新论文提出在 Lean 4 自动证明中，把编译器对失败步骤的报错交给预训练修复模型就地修改，而不是直接丢弃重采样，在 LeanDojo 基准子集上比纯采样多解出 82 个定理、求解率相对最高提升 32%。这为自动定理证明提供了一条更省样本的新思路。
PAR方法让0.5B模型在512步状态追踪达95.5%，远超训练长度16倍
Hugging Face Papers 上的一篇论文提出 Progress-Aligned Recurrence（PAR）训练方法，让循环语言模型在远超训练长度的序列任务上保持准确率，而单纯增加推理迭代次数并不自动带来这种能力。
arXiv 综述提出工业智能体四层架构与五级能力分级
arXiv 于 2026 年 10 月 21 日发布一篇关于 LLM 驱动工业智能体的系统性综述，提出四层系统架构、五级能力分级和统一分类法，试图回答通用智能体为何难以直接进入工厂。
LLM生成RTL电路新方法：面向PPA帕累托前沿的多目标强化学习
一篇 arXiv 新论文提出用多目标强化学习训练大模型生成 RTL 电路，不再只追求单个电路的 PPA 分数，而是优化一批候选电路在功耗、性能、面积权衡上的覆盖质量。据摘要，在 RTLLM v2 基准上相对 Hypervolume 比无 PPA 优化基线高 13.3 个百分点。
ChatGPT 5 参与施工进度管理：arXiv 论文提出大模型与强化学习自主建造方法
arXiv 上一篇新论文提出用强化学习规划移动起重机动作、用定制嵌入模型提取施工环境信息，再由 ChatGPT 5 更新进度、向控制系统推送安全信息并生成报告，方法在挡土墙施工实验中验证了可行性。
Navalia用可验证任务合成与长程后训练提升Cowork Agents
arXiv 2026年10月21日发布的一篇新论文提出 Navalia 框架，用财务报告自动生成带可追溯证据的分析任务，并以此做后训练，提升 LLM 智能体跨文档整合与多步数值推理能力。摘要显示其从 Qwen3.6-35B-A3B 初始化后，在五个基准上均优于基座模型。
FocusGUI轻量适配器提升全模态GUI智能体任务匹配率
Hugging Face Papers 收录的论文提出 FocusGUI——一个不微调主干模型的轻量适配器，让 GUI 智能体按步骤动态聚焦多模态观察。据摘要，它在四个全模态主干上平均把 Type Match 提升 33.2，Exact Match 提升约 3 倍。
MMEnterprise-Bench发布：1613题专测企业智能体处理多模态冲突与无答案能力
Hugging Face Papers 收录的论文提出 MMEnterprise-Bench，用 1,613 道题评估企业智能体在持续变化的多模态工作记录中能否找齐证据、化解冲突并识别证据不足，结果显示主流多模态大模型在这些场景仍明显吃力。
SolarRenderer 发布：冻结 33B 视频模型，四步完成结构条件渲染
Hugging Face Papers 收录的论文摘要显示，SolarRenderer 通过在冻结的 MiniMax-H3 33B 视频骨干上挂载两个轻量 LoRA，把结构视频直接作为原生参考输入，实现四步生成渲染，并给出相对 50 步采样 12.3 倍提速的对比数据，值得关注的是它试图解决渲染器被单一引擎绑…