LensErase 发布百万级数据擦除基础模型,主打文本水印与多物体移除

一篇 2026 年 10 月 13 日上传至 Hugging Face Papers 的论文提出 LensErase,一个基于掩码的“擦除一切”基础模型,覆盖物体、视觉文字、水印及其关联效果与多目标移除,并公开了 1.01 亿对训练数据规模。值得关注的是,它试图把图像擦除从单点工具推向通用基础模型层面。

一篇 2026 年 10 月 13 日上传至 Hugging Face Papers 的论文提出 LensErase,一个基于掩码的“擦除一切”基础模型,覆盖物体、视觉文字、水印及其关联效果与多目标移除,并公开了 1.01 亿对训练数据规模。值得关注的是,它试图把图像擦除从单点工具推向通用基础模型层面。

一篇发布在 Hugging Face Papers 的论文提出 APT 框架,用三个智能体自动完成评测集构建、模型弱点诊断与强化学习数据生成,让文生图模型根据自身能力短板反复自我后训练。

Hugging Face Papers 收录的论文提出 Doc2Harness,首次把“围绕大模型搭建 Agent 工程框架”本身作为评测对象;19 个前沿模型在三轮独立构建、328 个测试用例中,最高通过率仅 53.05%。

一篇论文提出 CriticOPD,用教师模型对错误推理路径的“批判”来修复在线蒸馏中的监督失效问题,在 Qwen3 学生模型和数学推理基准上取得提升。

Hugging Face Papers 2026年10月14日收录的一篇论文提出 ActionOPD,把语言模型智能体的蒸馏从“对齐 token 概率”改成“对齐语义动作”,让 Qwen3-4B 与 Qwen3-8B 在多个分布外基准上平均提升 3.3 到 6.9 个百分点,且不要求师生模型同族或共享 tok…

一篇新论文提出 LatentLoop,通过压缩循环 MoE 模型第一次循环的序列、把省下的算力转给隐藏层,在 1.3B 到 7B 参数规模上持续降低验证损失,并带来最多 19% 的预测算力节省。

Hugging Face Papers 收录的论文提出 Player-1 后训练框架,用合成环境和程序化奖励教计算机使用模型玩游戏,在 MineDojo-300 等任务上优于监督微调基线。

Hugging Face Papers 于 2026 年 10 月 14 日收录的论文提出 ATAS 框架,通过场景记忆和事件记忆解决长视频生成中跨镜头空间与时间不一致的问题,在四款视频生成器上均提升了报告指标。该工作目前为论文阶段,尚未核验全文实验或上线产品。

Hugging Face Papers 收录的一篇论文摘要提出两轴框架,用来梳理多模态智能体如何形成、表示和管理记忆,并把记忆管理分为静态、动态、自进化三层,为长周期任务提供分析视角。

研究者提出 EMHO 框架,不再训练具身模型本身,而是让控制规划、工具调用和上下文管理的 agent harness 从执行轨迹中自我迭代改进。这意味着具身智能体可能通过优化"外围配置"而非"大脑"来提升任务成功率。