标签：算力

SimVTA 用仿真视频监督补齐驾驶世界模型后训练

Hugging Face Papers 收录的论文提出 SimVTA，用真实世界 3D 高斯重建加仿真渲染，为高奖励候选轨迹生成匹配视频监督，再结合 GRPO 优化驾驶世界动作模型的规划能力。值得关注的是，它试图解决驾驶日志只有一条记录轨迹、备选轨迹缺少视觉监督的老问题。

arXiv 2026年10月16日上线一篇新论文，提出CNRF框架，用反事实配对和邻域支持估计来给视觉语言模型的安全风险打分，而不是简单地把输入分成有害或无害。

2026年10月16日，arXiv 出现一篇新论文，提出测量系统 AlphaDiana，试图回答 agent 的收益到底来自模型还是 harness。对开发者的直接价值是：评测 agent 时，可以分开控制工具复用和记忆保留。

一篇名为 Dynamic Band Splitting（DBS）的音频分离论文提出让模型按内容动态决定频带边界，而不是所有音频共用同一套切分方式。在固定频带 token 预算下，摘要称 DBS 在 DnR v2、MUSDB18-HQ、EchoSet 上均优于对应静态模型。

arXiv 上新论文提出免训练方法 VISTA，自动挑选离散扩散模型中的引导时间步，在有限预算下提升稀疏引导效果，并在毒性文本生成任务中把后选择阶段单次生成延迟从 204.23 秒降到 38.16 秒。

InfoVis 是一个 9B 规模的统一幻灯片生成与编辑模型，在自建的 VisSlideBench 评测中 11 项指标均领先评估过的开源模型，整体得分 7.94 分，接近 Nano-Banana-2 的 7.99 分。

arXiv 新论文提出 RealtimeBench，在游戏持续运行中评测 LLM 代理，并给出 TORSI 方法让慢速教师指导快速学生，使代理在实时环境中更有效。

一项新论文提出 SCOPE，用语义片段为单位调整强化学习中的提示词改写权重，在 Qwen-Image、SD3 和 FLUX.1-dev 上比原始 GRPO 获得平均相对提升。它把“对象、数量、属性、关系”当作整体来优化，而不是拆散到单个子词。

arXiv 新论文提出 PLVR，把教师模型的推理轨迹编译成可执行程序，在不改小模型权重的前提下，让 8B 模型在 tau2-Bench Telecom 上从 43.0% 提升到 91.2%。这说明在流程性较强的任务里，性能瓶颈可能是流程而不是模型能力。

一篇新论文提出 EdgeWise 框架，让本地小模型负责长任务的大部分步骤，只在关键步骤调用云端大模型，声称在特定基准上可减少最高 62% 的推理成本。