HF Daily Papers · 2026-07-16

HF Daily Papers 精选（15 篇，按社区票数排序）

• [112▲] 通过直接 On-Policy 蒸馏实现弱到强泛化 — https://arxiv.org/abs/2607.05394
• [84▲] ABot-N1：迈向通用视觉语言导航基础模型 — https://arxiv.org/abs/2607.10383
• [72▲] ABot-AgentOS：具备终身多模态记忆的通用机器人 Agent 操作系统 — https://arxiv.org/abs/2607.10350
• [64▲] Long-Horizon-Terminal-Bench：基于密集奖励打分测试 Agent 在长程终端任务上的极限 — https://arxiv.org/abs/2607.08964
• [59▲] 视频生成模型是通用视觉学习器 — https://arxiv.org/abs/2607.09024
• [52▲] SynthDocBench：长上下文视觉文档理解的受控基准 — https://arxiv.org/abs/2607.10400
• [50▲] 可扩展的视觉预训练赋能语言智能 — https://arxiv.org/abs/2607.09657
• [42▲] Read It Back：预训练 MLLM 是文生图的零样本奖励模型 — https://arxiv.org/abs/2607.11886
• [42▲] 从低重叠采集中进行 4D 人体-场景重建 — https://arxiv.org/abs/2607.09125
• [36▲] LightMem-Ego：你日常生活的 AI 记忆 — https://arxiv.org/abs/2607.11487
• [30▲] 搜索超越可教之边界：在 Agentic 视觉生成中演化知识边界 — https://arxiv.org/abs/2607.05382
• [30▲] Xiaomi-Robotics-U0：基于世界基础模型的统一具身合成 — https://arxiv.org/abs/2607.11643
• [26▲] 信任域策略蒸馏 — https://arxiv.org/abs/2607.04751
• [23▲] KronQ：通过 Kronecker 分解 Hessian 实现 LLM 量化 — https://arxiv.org/abs/2607.07964
• [22▲] Blind-Spots-Bench：评估多模态模型中的盲点 — https://arxiv.org/abs/2607.08317