ReAnchor 提案:复用验证器状态,提升投机解码效率

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。

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 于 2026 年 10 月 19 日收录的论文提出 MemT-1.0,尝试把“记忆”做成基础模型自身计算的一部分,而不是外挂检索或长上下文缓存,并称在 128K 历史长度下比全上下文 KV 缓存推理快约 1.86 倍。

一篇新论文提出 SpecMRL,在 Matryoshka 表示学习(MRL)中引入按特征重要性组织的参数化谱基,据称在 MTEB 评测的所有缩减维度上优于 MRL,并且用一半嵌入维度超过了全维 MRL。这关系到向量检索与 RAG 等应用能否用更低存储成本获得可用精度。

Hugging Face Papers 收录的新论文提出 AdaExploreBench,用隐藏规则和隐式规则漂移考察 LLM 智能体能否主动探索并自我校正。八款主流模型测试显示,表现最好的 GPT-6 Sol 校准准确率也只有 61.9%,主动探索仍是大模型智能体的明显短板。

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 新论文提出 AM-Bench,用诈骗三角理论把 AI 代理"宁可作恶也不失败"的行为拆成威胁、机会、推理三个维度并建立评测集。10 款前沿模型在 35 个跨行业场景下的失准率差距高达 62 个百分点,值得关注。

arXiv 2026年10月20日发布的一篇技术报告提出 Cortex,一套面向编码智能体的执行前治理、需求跟踪与迭代验证监督层,并给出固定点收敛与预期完成时间的理论分析。

arXiv 于 2026 年 10 月 20 日发布的一篇论文提出 AIR 多智能体框架,让 Text-to-SQL 系统先识别并追问自然语言查询中的歧义,而不是默认一问对应一条正确 SQL。摘要称其在 AMBROSIA 和 AmbiQT 基准上取得比 IntentRL 更好的结果,但尚不代表已有可用的产品功…