HF Daily Papers · 2026-10-07

HF Daily Papers 精选（15 篇，按社区票数排序）

• [28▲] 测试时分布内强制驱动的长视频生成 — https://arxiv.org/abs/2610.03120
• [24▲] LMBuild：评估 LLM Agent 生成可构建且功能性结构的能力 — https://arxiv.org/abs/2610.04292
• [21▲] 主动 Agent 的理论基础：原则、技术分层与 Proactivity-Gym — https://arxiv.org/abs/2609.37267
• [19▲] 自生成反馈会破坏测试时训练的稳定性：长时域适应的因果分解 — https://arxiv.org/abs/2610.05076
• [17▲] OmniReasoning：突破音视频联合推理的极限 — https://arxiv.org/abs/2609.39490
• [17▲] 优化器的优化：LLM 发现更快的分子弛豫 — https://arxiv.org/abs/2610.06577
• [16▲] 基于反向蒸馏的数据遗忘 — https://arxiv.org/abs/2609.36099
• [16▲] 扩散语言模型的表示空间 MMD — https://arxiv.org/abs/2610.06648
• [14▲] SearchJev：面向搜索 Agent 的快速且校准的 System-1 模型 — https://arxiv.org/abs/2610.05107
• [11▲] RobotUse：计算、上下文与决策的分配 — https://arxiv.org/abs/2610.04929
• [9▲] 世界编辑：在递增深度上干预可执行世界 — https://arxiv.org/abs/2610.02331
• [8▲] 何时选择取代抽取？基于类型化决策模型的 Agent 记忆预注册测试 — https://arxiv.org/abs/2609.34227
• [8▲] Video2Skill：从流式经验到可复用具身 Skill — https://arxiv.org/abs/2609.36691
• [8▲] ProgressCompass：缺乏合适上下文时，具身进度奖励模型会失效 — https://arxiv.org/abs/2609.36684
• [8▲] UndoBench：分离工具使用 AI Agent 的任务能力与恢复能力 — https://arxiv.org/abs/2610.05622