arXiv论文提出置信度校准推理扩展控制器,在线算力降低约30%与16%

一篇 arXiv 新论文把“评估器引导推理”重新定义为算力分配问题,用置信度校准的三动作控制器,在宽度扩展与修订任务上把在线算力分别减少约 30% 和 16%。

一篇 arXiv 新论文把“评估器引导推理”重新定义为算力分配问题,用置信度校准的三动作控制器,在宽度扩展与修订任务上把在线算力分别减少约 30% 和 16%。

Hugging Face Papers 上的一篇新论文提出 Waypoint-OPD,用 RL 训练过程中的中间教师检查点来比较早期与晚期策略偏移的方向是否一致,并据此决定是否把最终偏移蒸馏给学生模型。目前公开信息仅为论文摘要,作者尚未在页面中说明该方法的落地计划。

arXiv 上新论文提出 Temporal Specification Guidance(TSG),一种无需训练的推理时框架,把视频生成的时序要求写成时序逻辑规范,通过梯度引导采样方向,让“先出现什么、持续多久、何时切换”更可控。目前公开信息仅为论文摘要,未见产品化或独立复现验证。

arXiv 新论文发现,模型在答题时如果“接着自己的推理往下写”,会倾向于重复旧结论;如果改为“另起一次答案调用”,则更容易跟随当前证据,两者在三个模型家族上的差距达 29.9 至 60.6 个百分点。

arXiv 上新论文提出 EvolvingBrain,用分层技能系统替代传统监督微调和结果强化学习,让多模态智能体在开放世界中通过经验积累自我进化,并在 VAB-Minecraft 与 DiscoveryWorld 任务上报告了成功率提升。

2026年10月16日 arXiv cs.AI 一篇新论文提出,开放世界 AI 要同时满足推理时学习、丰富表征和预测解耦三项要求;作者在最高 8B 的语言模型上做了定性测试,论文摘要称只有满足要求的模型才会随相关任务数据增加而改善。信息仅来自摘要,全文实验尚未核验。

arXiv 2026年10月16日发布的一篇新论文提出 ARIA 框架,试图让多智能体系统在执行过程中被实时检查和修正,而不是等跑完再诊断或反复重跑。其核心价值在于把“执行中修复”变成可训练、可复用的策略。

2026 年 10 月 13 日,Hugging Face Papers 收录了一篇关于「Harness 自进化」的研究,提出在不改动大模型权重的前提下,让智能体的提示词、记忆、工作流和可执行代码在多次运行之间持续修订。这为「模型不动、外围持续进化」的 Agent 路线提供了理论框架。

arXiv 2026年10月16日的一篇新论文提出 IneqAgent,把大模型推理与符号计算结合,在 Lean4 中自动证明不等式。在一项包含186道题的评测中解出175道,并给出两个高维数学猜想的机器验证结果。

arXiv 2026年10月16日上线一篇新论文,提出CNRF框架,用反事实配对和邻域支持估计来给视觉语言模型的安全风险打分,而不是简单地把输入分成有害或无害。