Self-Credit 提出组内重标定信用分配,提升长程智能体强化学习效果

一篇发布于 2026 年 10 月 20 日的 Hugging Face Papers 论文提出 Self-Credit 方法,让大模型智能体在长程任务中通过自我生成引用摘要和组内重标定获得更密的训练信号,在 BrowseComp-Plus 等评测上超过基线。但目前仅为论文摘要信息,尚待全文实验核验。

一篇发布于 2026 年 10 月 20 日的 Hugging Face Papers 论文提出 Self-Credit 方法,让大模型智能体在长程任务中通过自我生成引用摘要和组内重标定获得更密的训练信号,在 BrowseComp-Plus 等评测上超过基线。但目前仅为论文摘要信息,尚待全文实验核验。

2026年10月20日发布于Hugging Face Papers的一篇论文提出“缓存工程”方案,让LLM智能体直接操作KV缓存,而不必裁剪或总结历史轨迹;摘要显示,该方案在部分测试中平均成本降低27.7%,并配套AKV推理引擎实现最高1.5倍P95延迟加速。

Hugging Face Papers 收录的 EAU 论文提出一种让环境、智能体和用户模拟器共同进化的训练框架,在多轮交互任务上把整体得分比最强基线提高 14.7%–15.0%。它值得关注,因为多轮 LLM 智能体训练的信号不稳定问题,终于有人从“改训练系统”而不只是“改奖励函数”入手。

Hugging Face Papers 收录的一篇论文指出,大模型在单次提示里组合多个任务时错误率明显上升,原因可能是模型对每个任务分配的“隐式思考预算”被压缩,而非单纯误差累积。

Hugging Face Papers 收录的论文 Ask-to-Distill 提出一种无需标准答案、用分布信号评估并生成合成问题的方法,旨在提升在线蒸馏(OPD)的训练效率,值得关注小样本蒸馏路线的开发者留意。

Hugging Face Papers收录的论文RiseHarness提出,在不改动模型权重的前提下,通过分析同一配置下成功与失败运行之间的差异,迭代改进终端智能体的执行框架,以缩小“能跑通一次”和“稳定跑通”之间的差距。

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。
![[Bug]: Vertex AI claude-opus-5-5 rejects response_format json_schema: LiteLLM sends the deprecated `output_format` instead of `output_config](https://www.chat-gpts.plus/wp-content/uploads/2026/10/47563-984f034d-768x403.jpg)
这个报错通常出现在通过 LiteLLM 代理对 Vertex AI 上的 Claude 模型(如 vertex_ai/claude-opus-5-5 )发起带 response_format: json_schema 的 /v1/chat/completions 请求时,LiteLLM 仍把结构化输

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。

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…