标签：算力

SpecWM 用谱对齐定义世界模型该保留什么，规划成功率最高提升至 77%

alphaXiv 收录的论文提出 SpecWM，通过指定观测之间的目标相似度来决定世界模型保留哪些信息；在 OGBench 与 CALVIN 模拟任务中，其规划成功率明显高于对照方法 LeWM。

alphaXiv 2026年10月12日收录的论文提出 HarnessTTT，让一个可训练“提案器”在测试时学习生成系统提示、工具与执行控制，冻结的小模型执行器据此搜索科研解，在多项发现任务上超过同类基线。

alphaXiv 2026年10月12日展示的论文提出 DuoDiscover 搜索系统，用“木尺”代理评测绕开动辄数小时的昂贵真实验证，在软件、GPU/TPU 内核和 CPU 芯片设计任务上取得显著优化，直指自主发现的评测瓶颈。

一项名为 Interaction-as-a-Judge 的研究提出让 computer-use agent 直接操作运行中的网页、桌面应用和游戏，用交互过程来评估和修复 AI 生成的交互式应用。相比只读代码的评测方式，该方法在预测人类偏好和验证需求上均有提升，还能在推理阶段以更高比例修复损坏功能。

一篇新论文提出 HybridAgent，让大模型智能体在隐藏状态推理和文本交互之间自由切换，在11项基准测试中平均性能提升10.4%，同时大幅降低token消耗和推理成本。

一篇发表于 alphaXiv 的论文提出 PlayGround 框架，把平面设计中的布局规划从“一次性预设”改为“看渲染画布逐步决策”，试图解决固定计划与实际版面不匹配的问题。目前公开信息显示，这仍是论文阶段的研究成果。

Hugging Face Papers 收录的论文提出 APEX 方法，通过分层潜在空间和通道组异步去噪，在 64 倍和 128 倍压缩比下实现更优的图像重建与生成平衡，挑战了“高压缩必然牺牲生成质量”的固有认知。

一个 2.57 亿参数的世界模型把预训练 VLA 的语义理解与显式未来预测连接起来，让动作生成能参考自身后果，在仿真与真实机器人任务上给出更高成功率。

Hugging Face Papers 收录的论文 GreenWAM 提出一个面向机器人的“世界基础模型”，试图用同一套模型同时承担预测动作后果的世界模型角色和选择动作的策略角色，并跨 20 种机器人本体迁移。

2026 年 10 月 13 日，Hugging Face Papers 收录的论文提出 FlashVSR+，用混合注意力架构和奖励产出分布匹配蒸馏方法，在单张 24GB RTX 4090 上实现 4K 视频超分，并声称推理速度和显存占用均明显改善。