标签：算力

免训练扩散采样新方法：用回拉方向提升图像生成多样性

一篇 2026 年 10 月 14 日上传到 arXiv 的论文提出免训练方法，通过回拉几何寻找条件嵌入空间中对输出最敏感的方向，引导扩散模型在不同随机种子下产生更不同的图像，同时尽量保持与提示词的一致性和画质。

Hugging Face Papers 收录的论文提出 Urbex，用视觉语言模型智能体主动搜索城市级 3D 场景，把定位从候选排序变成交互式空间搜索，并在 CityRefer 上报告了更好的 Hit@1 和 IoU。

arXiv 上一项新研究提出 Echo，用 4 比特做张量并行的 all-reduce 通信，并通过误差反馈把累积误差控制在有界范围，目标是在不依赖 FP8/FP4 硬件的前提下加速大模型训练和推理。

一项 arXiv 新论文提出“云端模型写程序、本地小模型临场答疑”的混合代理架构，试图在数据不出设备的前提下，缩小端侧代理与云端大模型代理之间的效果差距。

arXiv 上一项新研究提出 MOSAIC，试图回答视觉语言模型的预测究竟由哪些训练样本、哪些图像区域和文本短语共同影响。它把此前多停留在样本级的归因，推进到多模态的局部证据层面，值得关注是因为它触及大模型可解释性中最难的一环：跨模态因果追踪。

ReTerm 提出让终端智能体专门从自己的失败任务中学习恢复，在 Terminal-Bench 2.0 上把 Qwen3.5-9B 的 Pass@1 从基础水平提升到 34.8%，高出 14.6 个百分点。

arXiv 2026年10月14日发布的一篇新论文提出 VETNET，一个面向动物科学与兽医领域的实时基准数据集与评测框架生态，试图用标准化数据缩小兽医 AI 与人类医学 AI 之间的差距。目前仅为论文摘要披露，尚无论文全文实验核验。

2026年10月，Hugging Face Papers 收录的论文提出 Multics，一种用分层通信替代全连接通信的多玩家视频生成框架，在4至6人场景下达到新的最优表现，并展示出从4人训练扩散到10人推理的泛化能力。

Hugging Face Papers 收录的论文提出 VideoJev，把视频理解与交互统一成结构化决策任务：不再逐字生成答案，而是用一个共享打分头在视频证据上给时间段和文本选项评分。摘要显示它在多个视频基准上提升精度，并带来显著推理加速。

arXiv 2026 年 10 月 14 日收录的一篇论文提出首个以 LLM 为参照机的 Levin Kt 测试，能动态生成高难度推理题，并在一批大模型上出现随难度下降的得分曲线。