Hugging Face新论文提出MT Forcing:用单轮蒸馏缓解多轮图像编辑漂移

Hugging Face Papers 收录的一篇论文提出 MT Forcing 训练范式,针对自回归扩散多模态模型在多轮图像编辑中“越改越差”的问题,试图同时稳住画质和跨轮一致性。目前公开信息仅为论文摘要,尚需核验全文实验与复现结果。

Hugging Face Papers 收录的一篇论文提出 MT Forcing 训练范式,针对自回归扩散多模态模型在多轮图像编辑中“越改越差”的问题,试图同时稳住画质和跨轮一致性。目前公开信息仅为论文摘要,尚需核验全文实验与复现结果。

Hugging Face Papers 收录的论文提出 ReviewFact 基准与 PremiseCheck 框架,用于核查人类或 AI 撰写的评审意见是否误述论文内容,在准确率接近前沿大模型的同时把成本降下来。
![[Bug]: Stream cut after finish_reason but before the include_usage chunk is logged as success with locally counted usage (cached_tokens lost](https://www.chat-gpts.plus/wp-content/uploads/2026/10/47332-45006be2-768x403.jpg)
在 LiteLLM 中,[Bug]: Stream cut after finish_reason but before the include_usage chunk is logged as success with locally counted usage (cached_tokens lo

Artificial Analysis 于 2026 年 10 月 19 日推出 AA-PersonalityBench,用 30 项人格特质、8 个指数和 21 项沟通特征,衡量大模型“怎么说话”而不只是“答得对不对”。对选型者来说,回答正确之外的默认表达风格,首次有了可量化参考。

Hugging Face Papers 收录的论文 LEV 提出一种“循环决策”思路:不靠生成文本推理,而是重复运行模型层来加深计算,在难题上提升准确率,并可按需分配计算量。

Hugging Face Papers 收录的论文 OmniXRef 提出一个统一框架,允许用户混合使用文本、图像和视频参考来控制源视频的不同属性,并配套发布视频参考评测基准 OmniXRef-Bench。

Hugging Face Papers 于 2026 年 10 月 16 日收录的小米-Lens-0 技术报告提出,一个基于 Qwen3.5 的 4B 多模态模型在推理过程中自行生成区域掩码,把“想”和“看哪里”绑定起来。值得关注的是,它尝试用更轻的结构解决多模态大模型细粒度区域理解弱的问题。

Hugging Face Papers 于 2026 年 10 月 16 日收录的论文摘要显示,新框架 Scene-Designer 把“设计场景”和“评审场景质量”作为两类互补经验联合训练,目标是让智能体从自然语言生成更完整、可用、物理和功能上都合理的 3D 室内场景。值得关注的是,它不只提升生成,还试图让…

alphaXiv 收录的论文 RAX 提出一种开源机器人智能体框架,让通用编码智能体在真实和仿真环境中自主探索并生成控制程序,而不依赖遥操作动作示范数据。这一路线如果可复现,可能改变机器人学习对专用示范数据集的依赖。

alphaXiv 收录的一篇论文指出,常见失败评分 AUROC 混入了“题目难度”信号,改用同一道题内不同答案的对比后,外部验证器 Jev 在五个评测设置中取得 0.837–0.904 的组内 AUROC。这关系到候选答案排序和多答案选择这类实际系统决策。