SoftwareGym 合成 182 个软件环境，让电脑操作智能体训练不再依赖真实应用
Hugging Face Papers 收录的论文 SoftwareGym 提出一条自动化流水线，可合成带可执行功能并经过运行校验的 GUI 软件环境，用它们训练电脑操作智能体；论文摘要称在严格跨域的 OSWorld 基准上 Pass@3 从 41.39% 提升到 56.97%。
标签： 算力
生成表征再思考：Representation Guidance改进像素扩散Transformer
Hugging Face Papers 收录的论文提出 Representation Guidance，把低维瓶颈形成的内部表征显式用于引导像素扩散生成，在 ImageNet 256×256 上以更小模型超越更大的像素扩散 Transformer。
小模型持续学习新方案：合成自蒸馏SynthSelf绕过分布偏移
针对小模型在持续后训练中“学新忘旧”的难题，研究者提出 SynthSelf 方法，用小幅度同族对齐模型承担分布内改写任务，在 4 个习得数据集和 14 项保持基准上优于 6 种对比方法。该工作目前仅为论文摘要信息，尚未核验全文实验。
SepGen 发布：单模型同时生成视频并拆分多路音轨
一项名为 SepGen 的研究把音视频生成与音频分离合并到一次采样过程中，让视频 soundtrack 里的每个声源都能以独立音轨形式导出，而不只是混成一条音频。
Proc-stats 让 Claude Code 变成可监控的任务管理器
开发者 Dragos Mocrii 在 GitHub 发布 proc-stats，为 Claude Code 增加状态行与任务管理面板，实时显示会话及其子进程的内存、CPU 占用，并可终止进程。这让 AI 编程代理的资源消耗第一次变得像系统进程一样可观察、可管理。
少量配对数据也能对齐多模态编码器：蒸馏最优传输新方法发布
arXiv 上一项新研究提出用蒸馏最优传输做表征对齐，在只有约 100 到 500 对配对样本时，把两个独立预训练的单模态编码器映射到同一坐标系，并在图像-文本与分子-文本任务上报告了优于现有方法的结果。
Reflex 让宇树 G1 在 5 米外接住人手抛箱，成功率 40%
Hugging Face Papers 于 2026 年 10 月 8 日收录的论文提出 Reflex 三阶段框架，让宇树 G1 人形机器人靠自身 RGB-D 视觉接住抛来的箱子，5 米距离成功率 40%，约为人类接球者同距离表现的一半以上。
RLVR数据88%陷入零优势陷阱，MagicBeanStalk用递归合成让gpt-oss-120b提升8.6分
一篇 arXiv 新论文指出，广泛使用的开源数学 RLVR 数据中约 88% 落入“零优势陷阱”，对目标策略几乎不产生学习信号；作者提出递归数据合成算法 MagicBeanStalk，用少量种子题生成校准难度的新题，在 8 个数学基准上提升 gpt-oss-120b 和 DeepSeek v4Flash 的表…
CLEAT用价值引导澄清：交互式智能体如何对齐未言明意图
arXiv 上的新论文提出 CLEAT，让大模型智能体在任务中学会判断何时该向用户提问，并利用回答改进决策，从而处理用户未言明的意图和约束。
SWE Agent训练新思路：行为自奖励让代码调试质量可区分
arXiv 上一篇新论文提出 Behavioral Self-Rewarding，让软件工程 Agent 用策略自身比较同一任务下的调试行为，在可执行测试给出的二元通过/失败之外补充奖励信号，从而区分不同轨迹的调试质量。