研究：Jev 1.13 决策模型让终端 Agent 成本升 19% 成功率未变
一篇待核验全文的论文摘要显示，在 Terminal-Bench 2.1 的 21 个留出任务上，给 Claude Sonnet 5.5 终端 Agent 外挂 Jev 1.13 决策模型后，单次尝试成本上升 19%，通过率却维持在 73.0%。这说明“会判断”和“能指导行动”之间还有明显落差。
标签： 算力
GIST 图像分词器引入语义保真控制：压缩后小目标不再变模糊色块
一个名为 GIST 的自适应图像分词器，在控制压缩后像素误差之外，新增了一个独立的“语义保真”目标，让开发者能决定一张图压缩后保住多少含义，而不只是像素细节。据作者论文摘要，它在 ImageNet-100 上的重建质量优于此前的 KARL 方案。
SpecKCast 用频域卡尔曼滤波加速扩散模型，最高 6 倍速且显存增耗低于 0.05 GiB
Hugging Face Papers 收录的论文 SpecKCast 提出一种免训练扩散加速方法，在频域用卡尔曼滤波预测模型输出，并按不确定性决定是否真的跑 Transformer，在多个图像和视频生成模型上最高实现 6 倍加速且额外显存不超过 0.05 GiB。
Lafa 流量语言模型：8B 参数，推理吞吐达同质量 AR 模型 2.54 倍
研究者提出 Lafa 系列连续流语言模型，把预训练自回归模型改造成分块并行生成的流量模型，论文摘要称 7B 设置下吞吐约为同质量 AR 的 2.54 倍。它代表大模型推理加速的一条新路线，但仍属论文阶段。
FlowState 论文：把执行状态当记忆，长任务 Token 降四成
Hugging Face Papers 收录的论文 FlowState 提出把执行状态当作可保留、可回访的记忆，让长周期 LLM Agent 在减少历史上下文的前提下复用早期信息。论文摘要称其在两个评测任务上同时提升成功率并降低 Token 消耗，但这是研究结果，尚非已上线产品。
GPT-6 Astra直接操控机器人实测：语义理解与物理执行存在明显落差
2026年10月20日发布的一项研究系统评测了GPT-6 Astra通过轻量框架直接闭环操控机器人的能力：模型能用深度、示范和触觉反馈修正动作，但在精确规划和运动可行性上仍明显不足。这关系到通用多模态大模型能否跳过专门训练的动作策略，直接进入机器人执行环节。
用一个可微世界模型，SuperMimic 3 小时单卡超越 128 卡 7 天基线
alphaXiv 收录的论文 SuperMimic 提出，用人形机器人共享动力学的可微世界模型替代逐条动作试错，单张 H100 训练 3 小时的跟踪回报超过 SONIC 基线在 128 张 L40 上训练 7 天的结果，目的是把全身动作控制的数据扩展成本降下来。
Matrix-Game 4.0 论文：用可执行游戏引擎加视频模型实现实时可玩游戏世界
Hugging Face Papers 于 2026 年 10 月 20 日收录的论文摘要提出 Matrix-Game 4.0，把游戏执行与视觉生成拆开，由轻量引擎维护世界状态、自回归视频模型负责渲染，摘要称可在单张 RTX5090 上实现 480p、60FPS 游玩。它值得关注，是因为这条思路试图让视频模型…
PORA提出按需分配推理预算：智能体该短思考还是长思考
arXiv 10 月 21 日收录的论文提出 PORA 方法，训练 LLM 智能体判断每一步该用短推理还是长推理，以在有限推理预算下兼顾当前动作质量与后续步骤。根据摘要，该方法在 BFCL 记忆任务上超过最强已有方法 17.4 至 32.9 个百分点。
4B医疗决策模型CS1：单次推理回答多类问题，外测接近27B模型
arXiv 新论文提出 40 亿参数的医疗决策模型 CS1-4B，可在单次推理中回答多类临床记录问题。据摘要，它在 21 个外部数据集上的综合表现接近最强的 270 亿参数模型，推理速度约快 6.4 倍，为“小模型读病历、大模型提问与整合”的分工提供了样本。