标签： 算力

Hugging Face Papers 收录的论文 FineSplat 提出一种以前馈方式运行的 3D Gaussian Splatting 框架，用细粒度图像块加双重分组策略提升几何和外观细节，在不增加甚至减少高斯数量的前提下取得更优结果。不过目前只是论文摘要，实验细节和可复现程度仍待核验。

alphaXiv 收录的论文 ReAnchor 提出一种免训练方法，把目标模型验证阶段丢弃的隐藏状态重新用于块扩散草稿模型，在不加训的前提下让投机解码接受更长的 token 序列、端到端解码更快。

机器人基础模型 PhysWord 提出“Physical Words”思路，把 approach、pick、place 等原子动作词与未来视觉或触觉表征对齐，先在潜空间预测动作序列再生成动作。按论文摘要，其在 LIBERO-Long 达到 99.6% 成功率，在 UniVTAC 达到 90.3%。

alphaXiv 收录的论文提出 Ropedia W0，一个覆盖人类与多种机器人形态的第一人称移动操作世界模型，用 1 万小时人类视频和 3000 小时机器人数据训练，并配套新基准 Xp-Teleop。

Hugging Face Papers 收录的论文提出 Manga2Animate，把漫画改编动画拆成“动画剧本”和“视觉分镜”两步，由创作者智能体生成、审阅智能体对照原漫画检查，目标是减少角色和画风走样。目前公开信息显示这仍是论文研究，并非已上线产品。

arXiv 上一项新研究提出免训练数据选择器 LIFT，只用不完整的推理轨迹前缀就能给提示词打分，在 Qwen2.5-Math-1.5B 和 DeepSeek-R1-Distill-1.5B 上把 RLVR 的数据筛选成本降低 3.7—9.1 倍，同时下游表现与对比方法 SHIFT 相当。

2026 年 10 月 19 日发布在 Hugging Face Papers 的论文提出 DeOverlay 视频覆盖物去除模型和配套评测集 DVTE-Bench，目标是在去除字幕、标题、台标等遮挡后尽量还原原始画面。摘要称其在五项重建与感知指标上均优于四个基线。

arXiv 2026年10月20日出现一篇新论文，提出自监督方法 Mirror，让视频到动作模型通过与环境的交互自学，不依赖预先收集的动作数据或手工奖励。它值得关注，是因为视频生成模型能否在机器人、游戏中真正“执行计划”，长期受制于动作数据稀缺。