InfiniDream 提出程序化生成新框架,用 VLM 构建可编辑的逼真 3D 世界

2026 年 10 月 19 日发表于 Hugging Face Papers 的论文提出 InfiniDream,用视觉语言模型(VLM)驱动程序化生成,试图做出可编辑、可批量复现的大规模逼真 3D 世界,而不是让模型直接拼出简单静态网格。

2026 年 10 月 19 日发表于 Hugging Face Papers 的论文提出 InfiniDream,用视觉语言模型(VLM)驱动程序化生成,试图做出可编辑、可批量复现的大规模逼真 3D 世界,而不是让模型直接拼出简单静态网格。

一篇新论文提出用参数高效微调(PEFT)把最多 104B 参数的预训练多模态大模型适配到脑编码任务,其方法 BrainLoRA 在 Algonauts 2025 挑战赛上取得当时最优的已发表成绩,值得关注的是它大大降低了用神经数据训练大模型的门槛。

一篇 Hugging Face 论文摘要提出,用 16 MB、无训练参数的冻结嵌入表替换小型语言模型的大词表,在部分任务上不输可学习嵌入,并让三元 BitNet 模型在笔记本 CPU 上跑出更高速度。

Hugging Face Papers 收录的论文提出 CoworkEnv 框架,可根据工作流要求合成可执行的 AI 协作训练环境,并用它训练出紧凑的 PocketWorker 模型。在 Qwen3-VL-8B-Instruct 上,监督微调(SFT)使 Claw-Eval 平均分从 46.6 升至 64.1…

一篇 arXiv 新论文用 1000 道运算符优先级算术题,对比原生函数调用、REST、SOAP、MCP 微服务、直接调用大模型和 Agent 调工具七类方案,发现在精确计算任务上,确定性方法的准确率与延迟都明显更优。这提醒开发者:Agent 不是默认答案,架构选择要按任务类型来定。

Hugging Face Papers 收录的论文提出 HarnessPro,一种无需标签的智能体框架自改进方法,在提升任务通过率的同时降低执行成本,并可按部署预算输出轻量、均衡、性能三档框架。

arXiv 上一篇新论文提出 GardenBench,用 11 组轻量任务和实时看板评测大模型在日常使用中的准确率、运行成本与耗时,并记录模型逐日的性能进步或退化。

Hugging Face Papers 收录的论文摘要提出 MTEdit 多轮图像编辑数据集与配套基准,用“打包轨迹画布”生成训练数据,声称可缓解多轮编辑中的画质漂移,并据此微调出 Qwen-Image-MTEdit。

视觉 tokenizer 研究提出 RoAR-VAE,通过“稳健预测”原则让扩散模型更容易学习潜变量,在相同训练预算下生成基准平均提升 2.19 分,小文本重建精度较 FLUX.1-VAE 提升 16.93 个百分点。

Hugging Face 论文提出 Self-HPO,让编码智能体一边用强化学习更新策略模型,一边由模型自己提出新的运行框架(harness),在三个编码基准上把 Qwen3.5-35B-A3B 的平均解决率从 57.8% 提升到 64.8%。