HF Daily Papers · 2026-10-02

HF Daily Papers 精选（15 篇，按社区票数排序）

• [206▲] 重新思考潜在视觉推理：将潜在推理锚定于视觉证据 — https://arxiv.org/abs/2609.34563
• [190▲] 虚假前沿：诊断并缓解自演化搜索智能体中的共谋作弊 — https://arxiv.org/abs/2609.39102
• [102▲] Mid-Harness：扩展模型与 Harness 之间的动作规模以支持终端智能体 — https://arxiv.org/abs/2609.39982
• [64▲] EVOKE：激发智能体中的世界知识以实现可迁移决策 — https://arxiv.org/abs/2609.38334
• [41▲] LANTERN：照亮语言模型中隐藏的数学知识 — https://arxiv.org/abs/2609.32264
• [41▲] 揭示状态：状态自适应何时对掩码扩散语言模型至关重要 — https://arxiv.org/abs/2609.33355
• [36▲] 关键不在图像本身：无关上下文扰乱 VLM 评判而非为其提供信息 — https://arxiv.org/abs/2609.37863
• [32▲] TERRA：面向肌肉骨骼运动的地面感知重建、重定向与控制 — https://arxiv.org/abs/2609.38653
• [32▲] DyRAD：面向动态驾驶场景的雷达新视角合成 — https://arxiv.org/abs/2609.39841
• [25▲] OSWorld-Science：面向学习与使用科学软件的计算机使用智能体基准 — https://arxiv.org/abs/2609.39903
• [24▲] LoopVL：循环视觉智能 — https://arxiv.org/abs/2609.38426
• [18▲] BiasReducer：面向奖励模型的自适应偏差缓解 — https://arxiv.org/abs/2609.32720
• [17▲] 循环混合专家架构的规模定律 — https://arxiv.org/abs/2609.40316
• [15▲] MILO：通过编排多智能体进化实现自动化 Harness 发现 — https://arxiv.org/abs/2609.38349
• [13▲] CUA-SWE：当计算机使用智能体遇上视觉软件工程 — https://arxiv.org/abs/2609.32600