HF Daily Papers · 2026-09-23

HF Daily Papers 精选（15 篇，按社区票数排序）

• [154▲] RRSI：面向Agent Harness的正则化递归自我改进 — https://arxiv.org/abs/2609.24972
• [113▲] WorldCrafter：基于隐式3D感知记忆的一致性视频世界模型 — https://arxiv.org/abs/2609.24984
• [111▲] GameHorizon Suite：游戏场景下的多时间跨度数据与评测套件 — https://arxiv.org/abs/2609.25001
• [101▲] 将VLM的智能迁移到机器人控制 — https://arxiv.org/abs/2609.22966
• [92▲] IntBMoE：将块级条件融入专家组合，实现全参与式混合专家 — https://arxiv.org/abs/2609.21346
• [70▲] OmniEdu：面向学习与教学的开放基础模型 — https://arxiv.org/abs/2609.23088
• [48▲] 文档检索感知分块（D-RAC）：基于PDF标准化与多模态Markdown转换的企业文档检索感知统一摄取 — https://arxiv.org/abs/2609.24220
• [35▲] VideoGen-Agent：强化学习驱动的视频生成Agent — https://arxiv.org/abs/2609.24997
• [31▲] OmniVChat：原生音视频对话的合成、基准评测与训练 — https://arxiv.org/abs/2609.21465
• [27▲] onPanda：通过token级修正高效标注LLM与Agent的在线策略对齐数据 — https://arxiv.org/abs/2609.24983
• [25▲] Designer-RSI：从用户流量中进化出面向Agentic平面设计的程序性记忆 — https://arxiv.org/abs/2609.22086
• [21▲] Grounded Action Model：以3D定位作为机器人技术的基础 — https://arxiv.org/abs/2609.23863
• [18▲] HuRo：将人类视频机器人化以支持可扩展的VLA预训练 — https://arxiv.org/abs/2609.10706
• [16▲] 从一到多、从多到一：面向软件工程Agent的类别感知迭代专家训练 — https://arxiv.org/abs/2609.23377
• [15▲] BI-Agent与BI-Bench：迈向端到端商业智能自动化 — https://arxiv.org/abs/2609.20886