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）
PointWAM：面向灵巧机器人操作的 3D World Action Modeling
PointWAM 把"世界"显式拆成场景点云 + 手部点云，并在统一的时空坐标系里联合预测它们的轨迹，再用轨迹到动作的 retargeting 把人手运动迁移到机器人手——在十个 DexJoCo 任务上把 SOTA 平均成功率拉高 11.7 个百分点。 灵巧操作（dexterous manipulation）一直被两个…
EyeRobot 2.0：用主动注视替代腕部摄像头
EyeRobot 2.0 仅用一对会主动"转头"的体侧立体相机（无腕部摄像头），就能在双臂细粒度操作上达到甚至超过"腕部 + 体侧"双相机方案的精度——核心机制是分层强化学习训练出的注视伺服 + 目标选择器，把视觉 token 集中到注视点，并把夹爪动作表示为注视相对 SE(3) 帧，从而把腕部摄像头"看局部"的物理优…
Software-in-the-Loop Reconstruction：把现有科学软件变成终端 Agent 的训练场
论文提出 SWR（SoftwareintheLoop Reconstruction）——一种自监督框架：从现有科学软件工作流（结构化输入 → 可执行程序 → 输出）中反推出参考解与验证目标，无需人工为每个任务手写参考答案，就能批量生成面向 Terminal Agent 的训练环境与 verified trajector…
JEPA-TTT：让潜在世界模型在测试时持续自适应的方法
JEPATTT 把"测试时训练（TestTime Training, TTT）"塞进了动作条件 JEPA 世界模型的潜在动力学预测器里——只更新这一小块、冻结视觉编码器和奖励头，并用 dense replay 缓冲跨回合累积自监督信号，从而在动态漂移下仍能让规划不靠目标图像、不靠在线奖励。 世界模型（World Mod…
LLM 训出来的"数据集"到底行不行?2026 年这篇论文,终于给了个"以终为始"的判官
做 LLM 的工程师最近两年集体遇到一个尴尬:花大价钱合成了一批"看起来很美"的训练数据,但下游 finetune 完一看 —— 模型涨分跟没训一样。 同事互相问:"这批数据到底行不行?"十个人给十种答案:有人说 Perplexity 太低、有人说多样性不够、有人说 LLMasJudge 给了 9 分、还有人说 Rew…
不用再"赌"协方差了 ——2026 年这篇 8 页论文，给投资组合风险装上了一张「数学免死金牌」
做投资的朋友最近可能有种感觉:不管你怎么换模型,「协方差矩阵」就像房间里的大象 —— 所有人都知道它很重要,但没人敢拍胸脯说"我估得准"。 2026 年 9 月,一篇单作论文悄悄换了一条赛道:它干脆 不估协方差,改用大模型给公司新闻算出来的「分布」,直接给系统性风险画了一条 "数学上严格的上界" —— 而且这条上界在 …
Tail-Influence Sampling：让 CVaR 策略评估的预算花在下尾最关键的环节
⚠️ 诚实标注（局限性）：本解读仅基于 arxiv abstract + 论文卡 TLDR；v1 提交作者 Pauline Bourigault 已从 arXiv submission history 拿到，但未独立验证机构归属；未触 PDF 全文精读；未找 GitHub 仓库；abstract 中"MMLUPro 2…
WM-VLM：用内部世界模型做交错视觉-文本推理，让 VLM"会想象"
⚠️ 诚实标注（局限性）：本解读仅基于 arxiv abstract + 论文卡 TLDR；v1 提交作者 Yuheng Zha 已从 arXiv submission history 拿到，但未独立验证机构归属；未触 PDF 全文精读；未找 GitHub 仓库（abstract 与 arxiv 页均未列）；正文中"心…
The Extender：日志结构 Transformer，长上下文持久 KV 记忆压缩 104×
⚠️ 诚实标注（局限性）：本解读仅基于 arxiv abstract + 论文卡 TLDR；作者归属仅核对到 v1 提交作者 Jakob Eriksson（来自 arXiv submission history），未独立验证机构归属；未找到公开 GitHub 仓库；文中数据 verbatim 自 abstract，未触…
Collective Bias Mitigation：通过模型路由与协作的集体偏见缓解
提出 Collective Bias Mitigation (CBM) 框架，把偏见缓解从「单一 LLM 自纠」升级为「多模型细粒度行为学习 + 路由/协作」，在多类社会偏见基准上显著优于独立模型基线，并在推理成本与缓解效果间给出可调谐的拓扑选择。 LLM 在公共健康、金融、治理等高 stakes 场景被部署时，需要同…
Efficient Reasoning Training Does Not Always Harm CoT Faithfulness and Monitorability
对三类施加长度压力的高效推理训练方法做系统对比后发现：「缩短 CoT」会显著降低 CoT faithfulness（一致性变差），但对 monitorability（CoT 是否揭示输入干预对输出的影响）相对稳健——短 CoT 仍会「承认」被干预的事实。 CoT 让人类能检查 LLM 是怎么得到答案的，所以既是「可解释…
Multilingual GSM-Symbolic：跨语言能力迁移由什么决定？
构建 30,000 题 / 15 语言、可模板化无限扩展的 Multilingual GSMSymbolic 多语言数学评测集，联合估计后给出四大能力迁移决定因素的 β 系数：模型规模 β=1.77、语言资源水平 β=0.77、推理能力 β=0.67、类型学距离 β=0.25；分析框架可解释 92% 的跨语言方差与 2…
你以为"AI 会用浏览器"很强——2026 这篇论文告诉你：大部分题目闭卷就能答，根本不考"搜"
如果你过去一年用过 GPT4 + 联网浏览、Claude + Computer Use、或者 Gemini + Search，你大概率见过厂商这种宣传： "我们的 Agent 能像人一样浏览网页——查资料、写报告、做对比分析——你不用动手它就干完了。" 听起来很惊艳，但 2026 年 10 月这篇论文 HyperBro…
你以为"两个 AI 一起改文件"就是协同——2026 这篇论文告诉你：那叫 lost update
如果你用过 LangChain、AutoGen、CrewAI 这类多 Agent 编排框架，你大概率有过这种体验： 我让两个 Agent 一起干活——一个写代码、一个写文档——感觉挺美。但线上跑两天就出事：Agent A 改了 config.yaml，Agent B 同时也改了 config.yaml，最后提交到 gi…
Rollout-Marginal Distillation：把长程自回归视频生成的"评分信号"切成块独立打分
把 DMD（Distribution Matching Distillation，分布匹配蒸馏）的"整段 rollout 联合打分"拆成"逐 chunk 独立打分 + 视频级一致性后处理"两步，让自回归（AR）视频扩散在超出训练时长时仍能保持视觉质量。 自回归（AR）视频扩散的优势在于一边生成一边流式输出、延迟低、能做…
LVMT：长期视频分割的"轻量 GRU 传播 + 截断查询传播"双招
用"轻量 GRU 做目标信息的自适应门控传播 + 截断查询传播（TQP）做长视频可训练化"，把在线视频分割的 SOTA 速度从"快"推到"10× 于此前 SOTA"且精度不降。 在线视频分割（Video Object Segmentation, VOS）要在视频一帧一帧进来时把指定目标一直跟出来、给它上 mask。在短…
ProWAM：用渐进视觉子目标给世界动作模型装上"看得见的进度条"
让世界动作模型（World Action Model, WAM）同时预测动作和按序排列的稀疏视觉子目标，用子目标做"进度锚点"引导动作生成；用一次视频 backbone 前向 + 轻量动作去噪做 replanning，把长程任务的规划效率提上去。 WAM 是机器人控制的一种新兴范式：从初始观测 + 自然语言指令，联合预…
CLIMB：置信度引导的互补证据多模态 RAG
CLIMB 通过 MMR 风格的多样性证据池构建 + R/E/C 三维评分器 + 置信度控制解码，在不修改底层检索器或 MLLM 的前提下，让多模态 RAG 系统在 EncyclopedicVQA 和 InfoSeek 两个基准上稳定超越 TopK 检索基线。 多模态大模型（MLLM）在视觉推理上进步显著，但知识密集型…
Reasoning-Language Alignment in Monolingual RAG：强制德语推理告诉了我们什么
在德语单语 RAG 场景下，强制 LLM 用德语而非英语进行推理，能带来明显提升——前提是推理语言与查询及检索文档语言一致。但英语推理仍是上界，强制德语无法超越它。这说明 native multilingual reasoning 能力才是关键，forced alignment 只是桥梁。 大模型推理能力（Chaino…
视频选题榜 2026-10-05（v2 重写覆盖 · 反思棒 #68 触发）
v1 → v2 修复：v1 文件 684B / 3 行 stub，仅 3 条单行 bullet（XTree arXiv:2609.32993 R1 / CoEvolving Harnesses arXiv:2609.09134 R2 / Tracking State Footprints arXiv:2610.0314…
2609.37725 · 小红书推广卡片文案（v3 重写覆盖 v2 / v1）
v3 时间：20261005 21:30 CST · E2 自我反思棒位重写（覆盖 v2 = 2.6KB / 41 行 · md5 待重算） v2 备份：260937725.md.v2bak.20261005T213000Z（2,642 字节） v1 备份：260937725.md.v1bak.20261002T213…
当 AI 自己当「上下文管家」:arXiv 2609.37725 把上下文管理权从脚手架交回模型,准确率 +11.4%、算力 -21.5%（v3 重写覆盖 v2 / v1）
作者 / 团队（13 人，按 arXiv 摘要顺序）： Rulin Shao¹,²（第一作者 · UW + Meta Superintelligence Labs） Shannon Zejiang Shen³ Junjie Oscar Yin¹,² Yuetai Li¹ Minheng Wang¹ Hamish Ivi…
主题综述 · engineering（2026-10-04 · v2 重写覆盖 v1）
v1 → v2 重写说明（反思棒 #57 第八次实战）：v1 5 项严重违规 — ① CJK 3,961 越线 +61 字 + §0.10 "未修复 + 原因：四件齐"话术变种（反思棒 #71 活标本）② verifiability 100% 夸大（反思棒 #70）③ Inference Control Plane 综…
World Embedding Benchmark：视频表征的物理信息编码评测
World Embedding Benchmark 构建了 8,000 个跨流体力学/固体力学/动力学/光电物理的仿真案例，首次系统揭示预训练视频表征在「跨模态物理对齐」与「定量物理信息可恢复性」之间存在 tradeoff：强化 alignment 会损害 property regression，反之亦然。 World…
HyperBrowseComp：面向 Web-Browsing Agent 的多语多模态压力测试
HyperBrowseComp 是一个由人工撰写、覆盖 13 种语言、刻意"上调难度"的多模态网页浏览基准（423 题），用来检验 Browsing Agent 是否真的能跨语种、跨模态（视频、扫描件、图片、地图）地"挖掘+拼图"式检索，而不是吃老本回答。 过去一年，GAIA、HLE、WebArena、Mind2Web…
ProAR：让自回归视频模型学会"前瞻性推理"
ProAR（Prospective Reasoning with Autoregressive Video Models）是一个把"自回归视频生成"从"短视的被动逐块预测"改造为"目标导向的前瞻性推理"框架，仅用25% 的训练步数就能超过同架构完全训练的标准 AR 基线，并在多个视觉推理 benchmark 上稳定提升…
你做 LLM 评测每次都烧几千美元——2026 这篇论文告诉你：换个"轻量法官"，只花 0.36% 的钱还能保住 99% 准确度
如果你做过 LLM 应用，你大概率踩过这个坑： 我想用 GPT4 judge 给我的 chatbot 输出打个分，看哪条 prompt 更好——结果跑了 2 万条评估集，账单直接到 4000 美元。 这件事在 20252026 年特别扎心——LLMasajudge（用大模型评估大模型输出）已经是事实上的标准做法，但每次…
你以为"机器人会做家务"是一个 AI 模型搞定的事——2026 这篇论文把它拆成 6 块乐高，谁都能拼
如果你最近刷过机器人视频，你大概率见过这种 demo： "给机器人看一段人类做饭的视频，它就能在家帮我们收拾碗筷、洗菜、叠衣服——这就是 VLA（VisionLanguageAction）模型的未来。" 这种视频看着很爽，但如果你自己动手跑过类似项目，你大概率也踩过这种坑： 我换了一个视频生成 backbone（比如从…
LexReward：把法律回答分成 Style / Element / Chain 三档，再做 rubric 奖励
原文未明确开源仓库与训练数据规模（arXiv 页面仅给出 PDF/HTML），下文涉及"训练集/代码可获取"处统一标注"原文未明确"。⚠️ 提示：本解读基于 arXiv v1 摘要 + 论文卡，PDF 全文未下载。 1. 真问题是什么？——法律 LLM 的奖励信号要么只看对错（丢失专业维度），要么整体性"打一个分"（不…
MotorMind：通用 VLM 套上"中层动作 + 异步监控"就能零样本操控机器人
原文未明确开源仓库（arXiv 页面仅给出 PDF/HTML，未挂 GitHub），下文涉及"代码/数据可获取"处统一标注"原文未明确"。⚠️ 提示：本解读基于 arXiv v1 摘要 + 论文卡，PDF 全文未下载，所有数字与措辞以原文 abstract 为准。 1. 它真解决的问题是什么？——VLA（visionl…