HF论文提出未来块预测FCP：提升自回归视频生成物理合理性
Hugging Face Papers 收录的一篇论文提出“未来块预测”（FCP），在教师强制训练之外增加预测时间上相隔片段的辅助目标，声称能以更低训练算力提升自回归视频生成的物理合理性。
标签： 推理
Hugging Face论文：长期科研智能体Épi在数学优化中产出120项新结果
Hugging Face Papers 收录的论文摘要提出一种可跨会话持续、能积累经验自我改进的科研智能体 Épi，报告生成 120 项创纪录结果，并衍生出面向算法编码的轻量配置 Épi-turbo。目前仅是论文摘要层面的信息，未经同行评审或产品化验证。
NVIDIA 论文提出联合生成 3D 动作与视频，支持任意骨架
NVIDIA 研究团队在 Hugging Face 公开论文，提出一个能同时生成视频与可回放的 3D 动作模型，并支持任意骨架绑定。它试图让视频模型生成的动作能直接迁移到 3D 资产上，而不只停留在像素层面。
Latent Bridge：让视频生成潜空间直接输出3D几何
alphaXiv 收录的论文 Latent Bridge 提出一个小型可训练映射器，把视频生成模型的潜空间直接接到冻结的 VGGT-Ω 几何特征空间，跳过“先解码 RGB、再重新编码”的中间步骤。它值得关注的地方在于：同一份潜变量可以同时用于 RGB 解码和相机、深度、点云预测，官方摘要给出的解码加速最高为…
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…
新论文提出Painting Change Map：用时空图控制AI绘画过程
一篇被 Hugging Face Papers 收录的论文提出“Painting Change Map”，试图把 AI 绘画视频的生成过程从黑箱变成可局部、可随时间调节的控制问题。它的价值在于，创作者可能不再只能接受模型生成的笔触顺序。
arXiv 论文提出 Omni-Woodpecker：免训练纠正全模态模型幻觉，CMM 提升 12.9 分
arXiv 新论文提出免训练框架 Omni-Woodpecker（OWP），把全模态大模型的跨模态幻觉从“改输出”转向“改内部表征”，在 Qwen2.5-Omni-7B 上于 CMM 和 AVHBench 分别提升 12.9 与 8.6 分。这为音视频联合推理的可靠性提供了一条不需重训模型的新思路。
ReuF2F 新基准测试编程智能体求解本科科研开放问题，最强模型仅解约 40%
arXiv 上出现一个名为 ReuF2F 的 Lean 4 基准，把 244 道来自本科生科研项目（REU）的开放数学问题形式化，用于评测编程智能体能否端到端给出可机器校验的证明；摘要显示最强模型也只解出约 40%。
arXiv发布Physical AI综述：定义框架、技术全景与通向Physical AGI的挑战
arXiv 于 2026 年 10 月 21 日发布一篇 Physical AI 专题综述（arXiv:2610.27045v1），尝试为这一概念尚未统一的领域给出定义、技术版图与核心挑战，并明确提出从窄域自动化走向 Physical AGI 的路线问题。
新论文系统评测16种特权信息配置：OPSD训练效果可提前预测
一项新论文系统比较了在策略自蒸馏（OPSD）中16种特权信息（PI）配置，发现PI的内容、生成来源和学生模型都会影响效果；研究还提出用KL类指标在训练前预判PI是否有效。