HF Daily Papers · 2026-07-21

HF Daily Papers 精选（15 篇，按社区票数排序）

• [182▲] LongStraw：在固定 GPU 预算下实现超过 2M token 的长上下文 RL — https://arxiv.org/abs/2607.14952
• [155▲] VideoChat3：面向高效通用视频理解的全开源视频 MLLM — https://arxiv.org/abs/2607.14935
• [113▲] RESOURCE2SKILL：从人类创建的多模态资源中蒸馏可执行的 Agent Skill — https://arxiv.org/abs/2606.29538
• [111▲] RAGU：搭载精简领域适配 LLM 的多步 GraphRAG 引擎 — https://arxiv.org/abs/2607.11683
• [63▲] SearchOS-V1：迈向鲁棒的开放域信息搜索 Agent 协作 — https://arxiv.org/abs/2607.15257
• [55▲] Loop the Loopies! — https://arxiv.org/abs/2607.16051
• [54▲] Xiaomi-Robotics-1：基于超 10 万小时真实轨迹的视觉-语言-动作模型规模化训练 — https://arxiv.org/abs/2607.15330
• [50▲] BadWAM：当世界-动作模型梦中正确而行为错误 — https://arxiv.org/abs/2607.15207
• [47▲] xHC：扩展的超连接（Expanded Hyper-Connections） — https://arxiv.org/abs/2607.14530
• [43▲] Cura 1T：面向 Agent 医疗的专业模型 — https://arxiv.org/abs/2607.15314
• [38▲] KeyFrame-Compass：迈向关键帧条件视频生成的全面评估 — https://arxiv.org/abs/2607.14202
• [33▲] From Pixels to States：将交互式世界模型重构为游戏引擎 — https://arxiv.org/abs/2607.14076
• [33▲] MultiRef-Compass：迈向多参考音视频生成的全面评估 — https://arxiv.org/abs/2607.14189
• [31▲] 并发图像理解与生成：自校正耦合马尔可夫跳跃过程 — https://arxiv.org/abs/2607.13188
• [30▲] UniVR：在视觉空间中思考以实现统一视觉推理 — https://arxiv.org/abs/2607.12800