标签： 算力

一篇发表于 2026 年 10 月的论文提出 DeLoop，用智能体自身 rollout 中的“循环动作”与后续非循环动作构成偏好对做自监督训练，无需任务奖励或标注，在压缩上下文的条件下明显减少了 Qwen、Llama、Gemini 类智能体的重复工具调用。

arXiv 新论文提出 modded-nanoRT，把关系型 Transformer 的预训练配方做成公开榜单，用单张 NVIDIA H200 在 305.63 秒内达到质量目标，比参考实现快 8.11 倍，门槛降到一张 GPU 也能参与。

Hugging Face Papers 收录的论文提出 GRSE，用类似 GRPO 的组内对比方式，把多智能体团队里的共享奖励归功或归咎到具体的智能体与技能，而不是只看某个技能是否在轨迹中出现。

arXiv 新论文指出，给智能体（Agent）更多进化任务反而可能拖低表现，原因是证据选择不当；作者提出 Successive Scale Racing（SSR）框架，在固定算力下筛选任务组合，使通过率随任务池扩大而提升。

arXiv 上一篇新论文提出 Agent4Sci 基准，用 11 个领域的 20 个科学 ML 任务检验前沿编程智能体，结果显示 Claude Opus 相对已发表最佳模型平均提升 10.4%，但提升几乎全部来自常规 ML 工程技巧，而非研究级洞察。

一篇 arXiv 新论文用 120 组训练配置，系统测试了具身智能体在多个虚拟世界中进行持续预训练（CPT）的效果，发现数据量、多样性与模型规模各有取舍，单靠 CPT 难以让模型泛化到差异很大的新世界。

2026年10月21日，研究团队在 Hugging Face Papers 发布论文摘要，提出 DONIC 双手灵巧追踪策略及 BiHOI 多视角数据集，称单一检查点在未见轨迹上达到86.79%成功率，比现有双手追踪基线高出77.36个百分点。

Hugging Face Papers 收录的论文 PhysLDM 提出用统一的时空潜空间加潜扩散模型，一次性预测高分辨率体积可形变物体的运动轨迹，并声称可零样本泛化到未见过数据。它值得关注之处在于，探讨了“回归还是扩散”这一神经仿真路线选择。