HF Daily Papers · 2026-06-29

HF Daily Papers 精选（15 篇，按社区票数排序）

• [105▲] 我们是否准备好迎接 Agent 原生的记忆系统？ — https://arxiv.org/abs/2606.24775
• [71▲] DanceOPD：On-Policy 生成式场蒸馏 — https://arxiv.org/abs/2606.27377
• [64▲] DomainShuttle：自由形式开放域主体驱动的文本到视频生成 — https://arxiv.org/abs/2606.26058
• [50▲] 用于机器人控制的 In-Context 世界建模 — https://arxiv.org/abs/2606.26025
• [46▲] OPID：面向 Agent 强化学习的 On-Policy Skill 蒸馏 — https://arxiv.org/abs/2606.26790
• [45▲] ShutterMuse：基于 MLLM 的拍摄时摄影指导 — https://arxiv.org/abs/2606.25763
• [42▲] Qwen-Image-Agent：弥合真实场景图像生成中的上下文鸿沟 — https://arxiv.org/abs/2606.26907
• [41▲] 验证鸿沟：编码 Agent 奖励没有银弹 — https://arxiv.org/abs/2606.26300
• [38▲] ViQ：任意分辨率下与文本对齐的视觉量化表征 — https://arxiv.org/abs/2606.27313
• [34▲] MVTrack4Gen：作为 4D 视频生成几何监督的多视角点跟踪 — https://arxiv.org/abs/2606.26087
• [31▲] JetSpec：通过并行树形 Draft 突破推测解码的扩展天花板 — https://arxiv.org/abs/2606.18394
• [28▲] GUI vs. CLI：纯屏幕与 Skill 介导的计算机使用 Agent 中的执行瓶颈 — https://arxiv.org/abs/2606.24551
• [26▲] V-Zero：基于对比证据门控的无答案标签 On-Policy 蒸馏，用于细粒度视觉推理 — https://arxiv.org/abs/2606.25319
• [24▲] UnityShots：基于记忆驱动的多镜头音视频生成与边界感知门控 — https://arxiv.org/abs/2606.21661
• [23▲] 快速 LeWorldModel — https://arxiv.org/abs/2606.26217