MiMo-V2.6 论文提出以强化学习扩展推动模型自我提升

Hugging Face Papers 收录的 MiMo-V2.6 技术报告,提出用更大规模强化学习算力、更多样环境和更精细奖励信号,把全模态基础模型推向自我提升。它能否落地为可用产品,目前尚无公开信息。

Hugging Face Papers 收录的 MiMo-V2.6 技术报告,提出用更大规模强化学习算力、更多样环境和更精细奖励信号,把全模态基础模型推向自我提升。它能否落地为可用产品,目前尚无公开信息。

开源基准 Jevman 让六个 AI 决策模型在《吃豆人》经典幽灵规则下各打 100 局,按平均分与 95% 误差范围排名,并允许任何 HTTP 端点模型提交参战。

一项来自 Hugging Face Papers 的受控研究指出,LLM 在识别隐藏策略和遵循高阶序列规则时存在明显缺陷,看似逼真的行为模拟可能掩盖了错误的生成机制。

Hugging Face Papers 收录的论文提出 OuroWorld,一个无需掩码的框架,可将任意静态 3D Gaussian Splatting 场景转化为多视角、无缝循环的 3D 动态影像(3D cinemagraph)。它试图解决当前 3D 世界模型“场景逼真但时间冻结”的问题,目前公开信息显示其…

AI 研究员 Mikita Balesni 公开表示,他相信自己与 Tomek Korbak、Jasmine Wang 被 OpenAI 解雇,原因是他们主张把安全放在 OpenAI 短期利益之前。这一指控把前沿大模型公司的安全治理与商业节奏矛盾再次推上台面。

arXiv 上新发布 AgentHorizon 基准,用 1373 个跨三个操作系统的电脑操作任务衡量自动裁判能否在长轨迹中识别“看似完成但实际违规”的任务,最高分模型 GPT-5.5 在 AH 子集取得 80.9% 平衡准确率。

OpenAI 在 2026 年 10 月发布预印本,声称划分原理(Partition Principle)不能推出选择公理,但集合论学者 Asaf Karagila 公开批评其写作质量低、引用不规范,认为若按学术期刊标准应被直接退稿。

arXiv 2026年10月9日一篇论文提出,蒸馏既能用于“揭发”被对齐评估后仍可能隐瞒行为的模型,也能用于在保留能力的同时降低失准倾向,为审计和复用强模型能力提供了两条新思路。

arXiv 2026 年 10 月 9 日发布的一篇 cs.AI 论文,把 LLM Agent 每次会话固定加载的 AGENTS.md 等上下文文件建模为“容量化组合问题”,并指出不断追加指令可能让净收益越来越差。该研究目前仅为论文摘要,尚无产品落地信息。

2026 年 10 月,开发者 Edris Ranjbar 在 GitHub 发布了 Edi Life OS——一个自托管的个人生活仪表盘,把专注、习惯、目标、财务和项目管理整合进单一界面,并内置 MCP 服务器,让 Claude 等 AI 助手可以直接读取和操作这些数据。