MixTok 混合视觉分词器：1D 全局加稀疏 2D，降低图像 token 预算
Hugging Face Papers 收录的论文 MixTok 提出一种混合视觉分词方案：用紧凑的一维全局 token 打底，再按内容复杂度稀疏补充二维局部 token。在相同平均 token 预算下，图像重建与生成的评测指标表现有竞争力，指向“按需分配算力”的视觉 tokenization 路线。
标签： 算力
AA-3D基准测试：顶尖AI模型为何更早查看自己渲染的3D场景
Artificial Analysis 发布 AA-3D 基准，用交互式 3D 场景任务评测 AI 模型，发现排名靠前的模型会更早查看自己生成的画面并开始浏览器测试，而这一行为与 Elo 排名高度相关。
CoTrace提出终端智能体训练新思路：运行时与模型协同进化，Qwen3.5-9B任务通过率提升
alphaXiv 于 2026 年 10 月 7 日展示的论文提出 CoTrace 数据配方，让终端智能体的运行时（harness）与模型权重交替进化，在 Tmax 评测中将 Qwen3.5-9B 解决任务数从 78 提升至 88（SFT）或 90（在线 RL）。
大模型“不思考”模式失灵：alphaXiv论文提出思维惯性
alphaXiv 上一篇论文指出，即使显式关闭大模型的思考模式或要求“只给答案”，模型仍经常输出推理过程，作者把这种现象称为“思维惯性”，并认为“不思考”应作为独立能力来评测。
Sonic-AMG：面向空间音频的流式人体动作生成，FID降至8.714
alphaXiv 上挂出的一篇论文提出 Sonic-AMG，尝试让角色在声音还在持续输入时就同步生成动作，而不是等整段空间音频播完再离线生成，目标是解决流式场景下的训练与推理错位问题。
ReplaySSM 缓存输入而非状态：Mamba-2 解码提速最高 1.47 倍
alphaXiv 上公开的一篇论文提出 ReplaySSM，把 SSM 的循环状态改写成“检查点+近期输入缓冲”，在 vLLM 上实现 Mamba-2 与 Gated DeltaNet 的解码加速，最高约 1.47 倍，并让投机解码的驳回只动指针、不恢复状态。
无状态语言代理：状态交给执行框架，研究代理省下84%Token
Hugging Face Papers 收录的论文提出“无状态语言代理”（SLA）：不让代理带着越滚越长的对话历史反复调模型，而由执行框架统一保存研究状态，每次只给代理重建针对性上下文。论文摘要称，在软件工程、内核优化和算法设计任务上，SLA 最终结果均最好，并以少 84% 以上 Token 达到最强内核基线…
LeWAM 端到端 JEPA 世界模型：视觉规划成功率大幅跃升
2026年10月8日，alphaXiv 发布论文 LeWAM，提出将动作预测与潜在动态模型联合训练的端到端 JEPA，在视觉规划基准上成功率从 28.6% 提升至 89.7%，规划速度提升 32.3 倍。
机器人终身学习新思路：D2R 用世界模型想象旧任务，防止灾难性遗忘
AlphaXiv 上 2026 年 10 月发布的一篇论文提出 Dream to Remember（D2R），让冻结的通用机器人策略通过一个小型“操控模块”学习新任务，同时用冻结的世界模型“脑补”旧任务来防止遗忘。在 CALVIN 和 LIBERO 的连续任务评测中，它比直接微调策略的遗忘问题明显更轻。
Hugging Face论文：On-policy蒸馏常非最优，Semi-OPD在14/17组超越
Hugging Face Papers 收录的一篇论文提出 Semi-OPD：用初始学生模型自己生成的离线轨迹来蒸馏，在 17 组教师—学生模型对比中 14 组优于当前流行的 on-policy 蒸馏（OPD），最高准确率提升 13.6%，训练提速 11.4 倍。它提醒开发者：on-policy 采样并非总是…