解读
2626 篇 · 选题榜 / 深度解读 / 科普 / 综述 / 视频脚本（学术推广产出）
2607.04434 · 小红书推广卡片文案
1. 机器人策略仿真 99%，真机一上就腰斩？arXiv 这篇把「虚实两把尺」焊一起了 🤖 2. 做 VLA 的姐妹注意了：你刷的 LIBERO 分数可能「不算数」了——新基准 simreal 同跑 3. RoboDojo 把 30 种机器人基础模型拉到一起比，仿真真机同一接口 家人们谁懂啊 🤖 做机器人策略的姐妹是不…
机器人策略练到 99% 不算数，真机那一刻才会"原形毕露"——arXiv 2607.04434 把仿真和真机焊在了一起
如果你做过机器人策略训练，2026 年你大概率被这件事折磨过—— 你在 Isaac Sim 里把策略训到了 99% 成功率，搬上真机直接腰斩到 40%。不是你的代码有问题，是仿真和真机之间那道隐形的墙一直没被系统量化过。 更头疼的是：业内根本没有统一基准。有的用 RLBench、有的用 LIBERO、有的干脆自造场景—…
「我们到底要不要上 LLM Agent？」——arXiv 2505.16120 这篇综述，给你一张行业选型地图
过去 18 个月，几乎每个公司的技术规划会上都出现过这句话："我们要不要上 LLM Agent？" 然后散会——因为没人能回答这三个问题： 1. 我们的场景到底跑得通吗？是 demo，还是生产级？ 2. 真正卡脖子的工程问题是延迟、不确定性、评估、还是安全？ 3. 是先做客服、先做代码助手、先做金融、还是先做医疗？ a…
2610-09127
date: 20261009 round: R2 arxiv_link: video_kb_script_path: /shared/videokb/scripts/tom/20261009_R2_cadfatherzerotrainreverse_shortvideoscript.md 标题：CADFather 零训…
SheetSage2：用合成监督学习连贯的 lead-sheet 转录
SheetSage2 证明，音乐转录的关键不只是"把每个时间点预测得更准"，而是要让 tempo grid、chord、melody 和 section 在同一条可解码的序列里彼此一致；它先用结构化 Prober 把噪声标签整理成完整伪标签，再蒸馏给一个更简单的 autoregressive student。 lead…
NAMVIS：把多视图新视角合成改成几何条件下的 next-scale 自回归
NAMVIS 不再用几十次 diffusion denoising 反复"擦"出每个目标视角，而是把目标图像拆成由粗到细的离散 residual token，在每个尺度内并行生成所有 token 和所有目标视图，再用显式相机几何把 source observation 与 target view 对齐；在论文评测设置中…
FastOPD：把 foundation VLA 蒸馏成少步、可部署的轻量策略
FastOPD 不试图把大 VLA 的每一轮 denoising 都压缩掉，而是先让轻量 student 在 onpolicy 状态下对齐 teacher 的局部 velocity，再用"一步跳转应等于中点两步跳转"的 selfconsistency 约束把知识延伸到有限区间 flow map；论文报告它在 LIBER…
LLM 长推理"塞不下又算不动"怎么办？InftyThink 把推理从一条长河切成短段+摘要，ICLR 2026 收录的真实解法
如果你用 DeepSeekR1、Qwen3、QwQ 这些"会思考"的模型跑过数学题或代码生成，你大概率撞过这三堵墙： 1. 算力随推理长度二次增长——推理链越长，GPU 显存和延迟被迅速吃光。 2. 被最大上下文长度锁死——32K、200K 都有顶，模型必须在中途截断。 3. 超出预训练窗口后掉点——不只是放不下，而是…
把 Transformer 的"加号残差"换成"跨层 attention"，48B 的 Kimi Linear 居然真的把它训起来了——Attention Residuals 这事比你想象的更工程
如果你用过 LLaMA、Qwen、Kimi，或者你自己训过一个超过 70 亿参数的模型，你大概率踩过一个"玄学坑"：模型越深，效果不一定越好。很多团队甚至发现，从 32 层加到 64 层，验证集 perplexity 不降反升，loss 出现平台甚至掉点。 这事在 2023 年之前还有过几次小范围讨论。但真正把锅摆到台…
RECAST：让模型学会"算出正确的上下文"，而不只是检索上下文
RECAST 把 RAG 的"找材料"升级为"主动构造证据"：轻量 RouterLM 在多轮决策中选择检索或计算操作，必要时让 CompilerLM 临时生成代码，直到它判断证据充分，再交给冻结的 AnswerLM 作答。 传统 RAG 默认"答案所需证据已经以可直接检索的形式存在于某个片段中"。但在财报表格、数据库、…
ExperienceIndex：把 Agent 的长期记忆从"会什么"改成"熟悉哪些资料"
ExperienceIndex（ExpIdx）以 artifact 而非用户或抽象 reasoning pattern 为记忆锚点，从历史任务轨迹中积累单 artifact 的用途和 artifact pair 的关系，再作为 middleware 引导后续 Agent 更快找到更完整的证据集合。 法律、咨询、科研和企…
Agentic RAG 系统分类综述：自主 AI 驱动的检索增强生成
Agentic RAG 通过将 AI Agent 的反思（Reflection）、规划（Planning）、工具调用（Tool Use）和多智能体协作（MultiAgent）四大设计模式嵌入 RAG 流水线，使静态检索问答系统升级为能够动态管理检索策略、迭代精调上下文、自适应编排工作流的自主推理伙伴。 传统 RAG 系…
LLM Agent 评估与基准测试综述：面向真实场景部署的系统性评估框架
这篇 KDD 2025 综述为 LLM Agent 评估提供了一个二维分类体系：沿"评估目标"（评估什么）和"评估流程"（如何评估）两个正交维度组织现有工作，并指出企业场景中常被学术研究忽视的特殊挑战，为研究者和从业者提供了系统性评估 LLM Agent 的实用框架。 LLM Agent（基于大语言模型的自主智能体）正…
LLaDA-V：纯扩散范式多模态大语言模型的视觉指令微调
LLaDAV 是首个完全基于 Masked Diffusion 架构的多模态 LLM（MLLM），将视觉指令微调与扩散语言模型相结合——在视觉编码器（SigLIP）+ MLP 连接层 + LLaDA 扩散语言模型的标准架构下，LLaDAV 在多项基准上取得了纯扩散 MLLM 的 SOTA 表现，且在同规模数据下展现出优…
SkillForge：让 Agent 的技能库在 RL 中生老病死，而不是越写越臃肿
SkillForge 不再把 procedural memory 当只增不减的仓库，而是让每个 skill 在 trial → active → stable → retired 生命周期中随 Agent 能力变化接受淘汰、降级、稳定和重写；预训练先过滤，SFT 冷启动，随后 RL 与 skill library 协同…
EngramEdit：只改条件记忆，在不碰 Transformer 主干的情况下更新事实
EngramEdit 把 DeepSeek Engram 一类 conditional memory 从"增加模型容量的查表层"改造成可编辑的知识接口：先为同一事实的多种表达求出共同的记忆目标，再联立更新共享 ngram embeddings，并对高频、短 ngram 施加更强约束，从而在保持通用能力的同时获得更好的跨…
PersonTTS：从优化 Pareto 前沿转向满足每个用户的联合偏好
PersonTTS 把 TestTime Scaling 的优化单位从"单一边缘上的固定 tradeoff"改成"用户 profile 下的可执行 controller"，以 accuracy、latency、inference cost 三项同时达标为 JSR；再通过相似需求 controller warmstart…
主题综述 · database（2026-10-08）
本棒 netnew = 6 件：① Salt VecDB Benchmark 2026 Q1（10 DB × 19 fields · CC BY 4.0）② Turbopuffer v3 退出（20260930 · Notion 10B+ 向量真实负载）③ EngramEdit arXiv:2610.10533 条件记…
AI Agent 怎么"越用越聪明"?——2026 这篇 ACL 综述,把所有记忆设计画在同一张图上
arXiv 2605.06716（From Storage to Experience: A Survey on the Evolution of LLM Agent Memory Mechanisms, ACL 2026 Findings）是一作 Lin Hongzhan 的综述 —— 它把近两年 LLM Agent…
AI 工程师都在糊"胶水代码"——2026 这篇论文,把"Agent 周边那一坨"变成了一份"可审阅的文档"
arXiv 2603.25723（NaturalLanguage Agent Harnesses, NLAH）是 Linyue Pan 等 2026 年 3 月发表的工作 —— 它把 AI Agent 周围那一坨"胶水代码"（怎么组织上下文、怎么路由工具、怎么校验、怎么交接状态）从耦合度极高的 Python 文件里拆出…
Diffusion On-Policy Context Distillation(D-OPCD):把 Agent Harness 的能力烧进扩散模型权重
DOPCD 提出「OnPolicy Context Distillation」——把 agent harness 反复打磨后的 prompt 当作 privileged context,通过 onpolicy 蒸馏把 harness 的知识烧进 TexttoImage 扩散模型的权重里,让模型在只接收原始 query …
PhysEvo:让 Astra 既能动又能自改进的物理递归自改进框架
PhysEvo 提出「物理递归自改进(Physical Recursive Selfimprovement, RSI)」框架,围绕一个冻结的 Astra 模型,让 task agent 负责执行、metaagent 负责诊断失败与修订工具/技能,且 metaagent 还能改进自己的诊断工具——所有修订都不动模型权重;…
Robo-COP:VLA 策略与 VLM Orchestrator 的部署中共进化
RoboCOP 提出一个让机器人在部署过程中自改进的飞轮:用 VLM orchestrator 与 VLA policy 共同在真实部署里 coevolve——policy 升级前先验证、orchestrator 随 policy 调整而调整,从而把 VLA policy 从「系统的瓶颈」变成「可被吸收进 harnes…
主题综述 · multimodal（2026-10-08）
本棒 netnew = 3 件（paper_card 1705 Taming VLAs arXiv:2609.37334 multimodal 主分类 + paper_card 1710 DiffGate arXiv:2610.04596 multimodal 主分类 + paper_card 1699 ECRAG a…
DeCoPrune：用"去噪一致性"作为 KV-Cache 剪枝的内在信号
DeCoPrune 把自回归视频扩散的 KVCache 压缩当作"去噪一致性问题"处理，无需训练：度量当前 chunk 中每个 token 的"中间预测与最终去噪结果之间的不一致度"作为长期保留信号，把高不一致的 token 留在长期 cache、低不一致的丢弃，从而在 LingBot World v2 上实现"剪掉 …
摩洛哥 Turba 施肥机器学习技术栈：把「场地特异性施肥推荐」做成可复现的开源三层栈
arXiv 编号 + 提交日期连贯性声明：arXiv:2610.05949（v1，提交时间 20261005 08:04:09 UTC），与论文页所示 4 天前提交一致。 Turba 把摩洛哥场地特异性施肥推荐拆成 turbaclient / turbadata / turbamodels 三层开源栈，把「可程序化访问…
DMAD:把分布匹配蒸馏重写成对抗蒸馏,丢掉辅助扩散模型
DMAD 把 DMD 系列的"分数差"路线重写为"对抗式 logdensity 比"路线,在 ImageNet64×64 上以一步生成实现 FID 1.04,在 SDXL 4 步上把 FID 推到 14.47,在 Wan2.1T2V14B 4 步上拿到 VBench 85.15(反超多步教师),并把 DMD 系列一直背…
为 Agentic RL 重塑 MoE 路由:让专家选择跟着操作走
作者把长程 LLM agent 的"行为结构"(READ/UPDATE/... 等回合级操作)与 MoE 的"专家路由"显式对齐——回合一级的专家选择要跟着操作走,token 一级的专家选择要做局部一致——并在所有评测基准上拿到 10 个百分点以上的成功率提升,同时给出熵门控机制稳定 RL 后训练。 长程 LLM ag…
Sensor-Language-Action:用语言做传感器与动作之间的统一接口
作者提出 SensorLanguageAction(SLA) 框架,把多模态传感器观测、自然语言与动作统一进一个模型,用语言作为感知与动作之间的语义接口;并发布覆盖 116,000+ 个体、79 种传感器模态、60 类动作组的大规模基准,以及统一模型 OpenSLA,在临床预测、手术室与代谢健康等真实任务上反超 SOT…
企业 RAG 别再"凭直觉调"——2026 这篇论文把"调参"升级成"对话式调优"，准确率 77% 时成本只要 58%
如果你们公司在用 RAG（RetrievalAugmented Generation）搭企业内部问答——无论是客服知识库、医疗病历检索、还是多跳推理 QA——你大概率会撞到同一个场景：调一晚上 RAG，chunk size 调到 256 还是 512、embedding 模型换不换、reranker 选哪个、topk …