Muse Glimmer 30B 开源:瞄准消费级本地智能体的密集模型

alphaXiv 于 2026 年 10 月 17 日展示的论文提出 Muse Glimmer——一个 30B 参数、Apache 2.0 许可的开源因果语言模型,主打在消费级硬件上本地运行多步推理与工具调用,并以约 4-bit 量化降低单卡推理门槛。

alphaXiv 于 2026 年 10 月 17 日展示的论文提出 Muse Glimmer——一个 30B 参数、Apache 2.0 许可的开源因果语言模型,主打在消费级硬件上本地运行多步推理与工具调用,并以约 4-bit 量化降低单卡推理门槛。

一篇发表于 Hugging Face Papers 的论文提出训练自由方法 MARS,尝试只从 LLM 主干中提取“文本拒绝方向”,就为图像、视频等多模态输入注入安全约束,从而绕开多模态安全数据难收集的问题。

研究人员提出 TokenGate,一个可挂在现有大模型上的小型可学习模块,能在长上下文预填充阶段跳过无关 token,从而降低首 token 时延和显存峰值,同时宣称不损失精度。

一款名为 StebBench 的新基准,从 wikiHow 整理 6,885 条流程,专门诊断 AI Agent 在步骤缺失、错序和内容错误上的表现;结果最强模型在步骤排序任务上正确率仅 63.0%,长流程骤降到 33.1%。

针对长程智能体“局部正确、整体没做完”的问题,Hugging Face Papers 收录的论文提出 Interlock 框架,把任务表示成可校验的类型化完成图;在摘要报告的实验中,基于其自采轨迹微调 Qwen3.6 后,多项智能体任务通过率提升约 4 个百分点。

Hugging Face Papers 收录的论文提出证据优先的智能体验证器 Sauron,在摘要给出的评测中超越 Gandalf 等基线,F1 达 0.96,旨在减少智能体自报成功和评分标准误判带来的奖励偏差。

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。

2026年10月19日发布于alphaXiv的一篇论文提出用最优传输模糊集替换q范数模糊集,使概率平滑能利用类别间相似性,并证明任何满足条件的DRO都等价于最大熵估计。

alphaXiv 上的一篇新论文把统计决策理论引入随机热力学,用动力学活性给出 minimax 风险的下界,把感知、分类和不确定性关系放在同一框架里讨论。

alphaXiv 于 2026 年 10 月 19 日公开的论文提出 Stateful Harness 框架,把规则执行和视频渲染拆开,让世界模型能处理当前画面里看不见的状态,比如“有没有钥匙”。