Hugging Face 新基准 Orbia：系统评测生成视频是否构成一致 3D 世界
Hugging Face Papers 收录的论文提出 Orbia，一个专门评测交互式世界模型 3D 一致性的基准，试图回答“生成视频看着好，是否真的构成同一个 3D 世界”。
标签： 训练
Apertus 1.5 发布：全开源模型从纯文本扩展到多模态推理
完全开源的 Apertus 模型发布 1.5 版本，在原有文本能力基础上加入图像与音频理解，并把上下文窗口扩展到 262,144 tokens，路线仍是只用公开数据训练。
WorkRover 用递归环境演化训练长程协作智能体
Hugging Face Papers 收录论文提出 WorkRover，用递归环境演化提升长程协作智能体的强化学习训练效率，并在多个办公协作基准上报告显著提升。
RSI-Nav：策略同步双自举，导航数据自进化新框架
2026年10月，一篇上传至 Hugging Face Papers 的论文提出 RSI-Nav，通过让导航模型边生成指令、边执行筛选、边即时更新，缓解了合成监督数据落后于策略演化的问题。
混合GFlowNets组合异步策略，K=64覆盖39%基因组最优解
alphaXiv 2026年10月12日收录的论文提出 Mixture of GFlowNets（MoG），用一组异步训练的 GFlowNet 加一个软分类器划分状态空间，在基因组理想型设计任务中用 K=64 覆盖 1024 个最优解中的 39%，高于独立智能体的 31% 和数据并行训练的 20%。
RoboSimStudio发布：用手机视频快速构建机器人仿真，56分钟完成任务
alphaXiv 2026年10月13日展示的 RoboSimStudio（RSS）工具包，让开发者和 AI 智能体可编辑物理参数、交互式构建 Real2Sim 仿真，并在试点中用 56 分钟从手机视频复现机器人擦拭任务。
Cowork-Gym 用 6.5 万可执行工作环境训练协作型 AI 智能体
alphaXiv 上的一篇论文提出 Cowork-Gym，用「构建-执行-修订」循环自动合成共享工作空间里的协作任务环境，并据此后训练 Qwen 系列模型，在六个智能体基准上平均提升 4.1 到 8.7 分。它回答的核心问题不是模型会不会用工具，而是任务目标、文件、模拟用户和验收标准能否在任务中途发生变化时保…
VLA预训练新基准：演示质量怎么用才有效？
alphaXiv 上一篇 VLA 预训练研究比较了加权、过滤、条件化三种演示质量利用方式，并提出 AXIS-Bench 基准；结果显示，按片段条件化预训练可稳定提升平均成功率，而过滤和条件化各有偏好的标签粒度。这项研究值得关注，是因为它把“数据质量”从直觉变成了可复现的工程选择。
Open-o3-Video-v2 发布：把视频推理变成可验证的找线索过程
Open-o3-Video-v2 把视频推理改成“先找线索、再给答案”的智能体流程，让模型在时间戳和物体框上留下可核查证据；据论文摘要，其 4B 版本在 V-STaR 上较 Qwen3-VL-4B 主干有明显提升。
无奖励也能造房子：SEE 让智能体学会主动掌控环境
alphaXiv 上出现一篇论文，提出不依赖外部奖励、通过“赋权最大化”训练智能体的方法 SEE，在 Crafter 等环境中出现收集资源、制作工具乃至造房子的行为。它值得关注，因为它把赋权研究从表格设定推到了更接近真实规模的技能学习场景。