HuggingFace 每日 Trending Papers 解读 · 2026-05-08

2026-05-08 HuggingFace 收录 38 篇 Trending 论文，重点解读 21 篇，涵盖 Agent RL 技能演化、扩散模型新范式、检索系统革新三大主线，帮你快速判断哪篇值得深读。

研究速览

今日 HuggingFace Daily Papers 收录 38 篇论文1，集中在三条主线：Agent 强化学习与技能演化、扩散模型新范式、检索与推理系统革新。本期重点解读 21 篇，帮你快速筛出值得深读的方向。

第一梯队：今日最热（upvotes ≥ 12）

#1 · Skill1：让 AI Agent 同时学会「找技能、用技能、总结技能」

57 upvotes | Agent RL | arXiv 预印本
这篇在解决什么问题？
想象一个 AI 助手需要完成复杂任务。它有一个「技能库」——里面存了过去学会的操作方法。问题是：技能的三个环节（找哪个技能用、实际用技能完成任务、把新经验总结成新技能）一直是分开优化的，就像一个人的「记忆、行动、学习」被三个独立的教练分别训练，配合起来效率很低。
用了什么方法？
Skill1 用一套统一的策略同时训练三件事，而且只用「最终任务完不完成」这一个信号来反馈。不同频率的信号被分配给不同环节：技能蒸馏（学新技能）对应频繁变化的信号，技能选择对应低频趋势信号。相当于同一个教练用不同节奏同时训练三块肌肉。
有什么意义？
在 ALFWorld（模拟家庭任务）和 WebShop（模拟购物）两个基准上超越了现有的技能型和 RL 基线。消融实验也证明，任何一个信号拆掉都会导致退化——三件事确实需要协同训练2。
值得深读吗？ 如果你在做 Agentic 任务训练，尤其是技能库管理方向，值得。代码暂未开源。
论文：arxiv.org/abs/2605.06130 | 作者：Yaorui Shi 等 9 人 | 机构：未标注

#2 · DCI：「最好的检索器是没有检索器」

52 upvotes | 信息检索 / Agent | arXiv 预印本
这篇在解决什么问题？
传统的信息检索有一套完整的管道：先把文档转成向量（embedding），建立索引，再用语义相似度匹配。这套方案的问题在于：它需要额外的模型、额外的基础设施，而且对本地文件、动态语料不太友好。
有没有可能直接跳过这套基础设施，让 AI Agent 像人一样直接在原始文件上 grep 一下？
用了什么方法？
DCI（Direct Corpus Interaction）就是这个思路的实现：Agent 直接用 grep、find、bash 等终端命令搜索原始语料，不需要任何 embedding 模型、向量索引或检索 API。
第一作者的原话是：「最好的 agentic search 检索器就是没有检索器——用 grep 和 bash 替换了整个 pipeline。」3
有什么意义？
在 BrowseComp-Plus 上达到 62.9%，multi-hop QA 提升 30.7%，IR ranking 提升 21.5%。在 BRIGHT、BEIR 两个标准数据集上大幅超越传统稀疏/稠密检索基线4。
代码已开源：github.com/DCI-Agent/DCI-Agent-Lite（MIT，27 stars）
值得深读吗？ 极度值得。这是范式级的提问——是否所有检索场景都需要 embedding？对做 RAG 系统的人有直接冲击。
论文：arxiv.org/abs/2605.05242 | 作者：Zhuofeng Li 等 19 人 | 机构：TIGER-Lab / Waterloo / Stanford / UW

#3 · Cola DLM：文字生成不必依赖「下一个词」的范式

46 upvotes | 语言模型 / 扩散模型 | arXiv 预印本
这篇在解决什么问题？
所有主流大语言模型（GPT、LLaMA 等）都基于同一个原则：从左到右，一个词接一个词地预测。这叫「自回归」范式。这篇论文在问：这是唯一的路吗？
用了什么方法？
Cola DLM 换了一条路：不在离散的词上建模，而是把文字压缩成连续的语义向量（叫「潜空间」），然后在这个连续空间里用扩散模型来生成内容——就像图像生成里的 Stable Diffusion 那样，但对象是文字。
具体架构：Text VAE（把文字压缩成连续向量）→ block-causal DiT（在连续空间里建模全局语义）→ 条件解码（把向量还原成文字）。
第一作者这样描述核心出发点：「我相信，表征才是这项工作的核心问题——语言建模是否必须绑定离散 token？」5
有什么意义？
大约 2B 参数，在 8 个基准上能严格匹配传统自回归模型的性能，同时支持扩展到多模态（文字+视觉统一建模）6。论文长达 99 页，作者承诺 1-2 周内开源。
值得深读吗？ 如果你对语言模型架构的未来方向感兴趣，这篇是今日最值得精读的之一。目前代码未开源，可先看论文架构设计。
论文：arxiv.org/abs/2605.06548 | 作者：Hongcan Guo 等 11 人 | 机构：HKU（部分）

#4 · MiA-Signature：从认知科学借来的长文理解方案

41 upvotes | 长上下文 / RAG | arXiv 预印本（进行中）
这篇在解决什么问题？
语言模型处理长文本时，读到后面往往会「忘记」前面的内容。本文想用一种更紧凑的方式，捕捉「当前问题触发了哪些全局概念」，而不是把整篇文档都塞进上下文。
用了什么方法？
灵感来自认知科学的「全局点火（global ignition）」理论——人类大脑在接收刺激时，并不是所有神经元都激活，而是一小群高层概念节点被「点火」，形成当前认知的激活签名。
MiA-Signature 模仿这个机制，用「亚模选择」算法（一种在信息论上有理论保证的贪心方法）从查询触发的激活中提取紧凑的概念集合，作为压缩的上下文条件信号7。集成到 RAG 和 agentic 系统后，在多个长上下文理解任务上取得一致性性能提升。代码暂未开源。
值得深读吗？ 做 RAG 或长上下文系统的人可以关注，但作为进行中的研究，技术细节可能还不完整。
论文：arxiv.org/abs/2605.06416 | 作者：Yuqing Li 等 6 人 | 机构：腾讯

#5 · RaguTeam：7 个模型组队，拿下多轮 RAG 评测第一

37 upvotes | RAG / 多模型集成 | SemEval-2026 Workshop（ACL）
这篇在解决什么问题？
SemEval-2026 Task 8 是一个多轮 RAG 对话生成评测。Novosibirsk State University 的团队在 26 支参赛队中拿了第一名。
用了什么方法？
他们用了 7 个异构 LLM（包括 Gemini-3-Pro-Preview、Claude 4.5 Haiku 等）+ 两种 prompt 变体，然后用 GPT-4o-mini 作为裁判，逐条选出最佳回复。本质上是用模型多样性对抗单模型的偏差。
第一作者总结道：「这是一堂实用大师课，教如何从多样化集成中榨取顶级 RAG 性能，而非押注单一巨型模型。」8
有什么意义？
conditioned harmonic mean 得分 0.7827，远超最强单模型基线 gpt-oss-120b（0.6390）9。代码已开源：github.com/RaguTeam/ragu_mtrag_semeval
值得深读吗？ 做 RAG 工程落地、多模型 ensemble 的人值得看，尤其是消融实验部分。
论文：arxiv.org/abs/2605.04523 | 作者：Ivan Bondarenko 等 6 人 | 机构：Novosibirsk State University

#6 · MARBLE：多个优化目标同时调，扩散模型不再顾此失彼

34 upvotes | 扩散模型 / RLHF | arXiv 预印本
这篇在解决什么问题？
用 RL 微调图像生成模型时，通常有多个维度的奖励需要同时优化（比如：图文相关性、美感、真实感、安全性）。问题是这些目标互相竞争，调好一个可能会拉垮另一个。传统方法是手动给每个奖励分配权重，但这很难做好。
用了什么方法？
MARBLE 的核心思路：不在标量奖励层面做加权，而是让每个奖励独立计算梯度，然后用二次规划（QP）找一个让所有梯度方向都尽量满意的组合更新方向。这类似于多目标优化里的 Pareto 前沿求解，只是被应用在了扩散模型的 RL 训练里。
第一作者声称：「据我们所知，这是首次在扩散 RL 中解决多奖励平衡问题。」10
有什么意义？
在 SD3.5 Medium 上同时提升了 5 个奖励维度，且最难优化的那个奖励的梯度余弦从负数翻正11。代码部分开源：github.com/aim-uofa/MARBLE（推理代码+checkpoint 已发布，训练代码待发布）
值得深读吗？ 做图像生成 RL 微调的人必看。做多目标优化的人也可以看看这个方法如何被应用到梯度层面。
论文：arxiv.org/abs/2605.06507 | 作者：Canyu Zhao 等 | 机构：浙江大学 / Hithink

#7 · FFDC：机器人能判断「想象中的未来什么时候不可信」吗

34 upvotes | 具身 AI / 机器人 | arXiv 预印本
这篇在解决什么问题？
让机器人执行长序列任务时，有一类方法叫「World Action Model（WAM）」：机器人预测未来几步的状态，然后直接按预测执行，不需要每步都感知环境。这很高效，但预测有时是错的，继续按错误预测执行会出大问题。
用了什么方法？
FFDC 引入了一个轻量的验证器——持续对比「预测的下一帧」和「真实观察到的下一帧」，发现偏差超过阈值就触发重规划。这相当于给机器人加了一个「自我怀疑机制」：继续相信自己的想象，还是重新看一眼现实。
论文的核心问题是：「机器人能告诉我们，它想象的未来什么时候不再可信吗？」12
有什么意义？
在 RoboTwin 基准上减少 69.1% 的前向 pass、34% 的执行时间，成功率提升 2.54%；真机实验中成功率提升 35%13。
值得深读吗？ 做具身 AI 或机器人的人值得关注。代码暂未开源。
论文：arxiv.org/abs/2605.06222 | 作者：Rui Wang 等 7 人 | 机构：HKU

#8 · LoPE：用「废话前缀」破解 RL 训练中的探索死局

25 upvotes | LLM 训练 / RL | arXiv 预印本
这篇在解决什么问题？
用 GRPO 等强化学习方法训练 LLM 推理时，有一个经典难题叫「零优势问题（zero-advantage）」：当模型在一道题上采样了很多次，所有尝试都失败时，强化学习的梯度信号为零，训练直接停滞。这就像一个学生在一道题上反复做、反复错，但老师什么反馈都不给，学生就彻底卡住了。
用了什么方法？
这篇论文的解法出乎意料地奇特：在 prompt 前面加一段 Lorem Ipsum（那段著名的「假拉丁语」无意义文本）。这段随机前缀扰动了模型的「推理入口」，促使它走不同的推理路径，从而在被困住的题目上解锁新的探索方向14。
有什么意义？
在 1.7B、4B、7B 三个规模的模型上都显著优于原始 prompt 的重采样。实验还发现其他低困惑度的拉丁随机序列也有类似效果15。
值得深读吗？ 做 RL 训练的人可以快速看一遍。方法极简，如果有效，直接能用在自己的训练流程里。代码暂未开源。
论文：arxiv.org/abs/2605.05566 | 作者：Langlin Huang 等 6 人 | 机构：未标注

#9 · CDM：4 步扩散生成，不要 GAN 也不要 Reward Model

24 upvotes | 图像生成 / 扩散模型 | arXiv 预印本
这篇在解决什么问题？
高质量图像生成通常需要扩散模型走几十甚至上百步。有一类方法叫「蒸馏（Distillation）」，试图把步骤压缩到 4 步甚至更少。但现有的离散蒸馏方法在固定步骤上匹配分布，容易产生视觉伪影和过度平滑。
用了什么方法？
CDM（Continuous-time Distribution Matching）把这个过程从「在固定几个时间点上匹配」改成了「在连续时间上随时匹配」——用动态的连续 schedule 替代固定的离散采样点，在整个采样轨迹的任意位置执行分布对齐。
有什么意义？
在 SD3-Medium 上仅 4 步生成即达到当前 SOTA 视觉质量（Aesthetic/HPSv3/PickScore 均领先），无需 GAN 或 Reward Model16。代码已开源且完整：github.com/byliutao/cdm（44 stars，含训练/推理/评估）
值得深读吗？ 做图像生成加速的人值得精读。代码已全部开放，可以直接复现。
论文：arxiv.org/abs/2605.06376 | 作者：Tao Liu 等 11 人 | 机构：阿里巴巴

#10 · SkillOS：Agent 的技能管理员，也需要被训练

23 upvotes | Agent RL / 技能管理 | arXiv 预印本
这篇在解决什么问题？
Skill1（#1）解决了「如何演化技能」，SkillOS 解决的是另一个维度：技能库的长期管理策略。随着任务积累，技能库越来越大，如何决定「什么技能保留、什么技能更新、什么技能合并」是一个独立的问题。
用了什么方法？
SkillOS 把「执行者（executor）」和「管理者（curator）」分离——executor 负责用技能完成任务，curator 负责从经验中更新技能库。训练时 executor 冻结，只训练 curator，用「分组任务流」提供学习信号：早期轨迹更新技能库，后期相关任务评估效果17。
有什么意义？
多轮 agentic 任务和单轮推理任务上一致优于无记忆和强记忆基线。学到的 curator 可以迁移到不同的 executor 架构和任务域18。
值得深读吗？ 配合 #1 Skill1 一起看效果更好，适合在做长期 Agent 系统的人。代码暂未开源，部分作者来自 Google。
论文：arxiv.org/abs/2605.06614 | 作者：Siru Ouyang 等 16 人 | 机构：部分 Google

#11 · AVI Survey：第一份「大基础模型视角」的音视频 AI 综述

20 upvotes | 多模态 / 综述 | arXiv 预印本
这篇在解决什么问题？
大基础模型出现之后，「音频 + 视觉」的联合能力有了新的维度：不只是识别，还包括生成（音频驱动视频）、交互（对话、具身），以及理解跨模态的一致性。这篇综述第一次系统梳理了这整个图景。
主要内容：56 页，涵盖 3 个大任务类别（感知 → 生成 → 交互）、24 张总结表、典型数据集和开放挑战。通讯作者（NUS 的 Hao Fei）这样概括：「AVI 旨在构建能通过声音和视觉联合感知、生成和交互的 AI 系统——走向真正的全模态智能。」19
论文维护了一个 GitHub 论文列表：github.com/JavisVerse/Awesome-AVI20
值得深读吗？ 做多模态、视频理解方向的人建议把这篇综述下载下来做参考手册。
论文：arxiv.org/abs/2605.04045 | 作者：You Qin 等 15 人 | 机构：NUS / Microsoft

#12 · StraTA：先制定策略再行动，让 Agent 推理不再短视

12 upvotes | Agent RL | arXiv 预印本
这篇在解决什么问题？
传统的 RL 训练下，LLM Agent 是纯「反应式」的：看到当前状态，直接决定下一步动作。这在长 horizon 任务里会出问题——Agent 只盯着眼前一步，缺乏全局规划，探索效率也很低。
用了什么方法？
StraTA 在执行动作之前，先让 Agent 生成一段简短的自然语言「策略声明」——就像下棋前先想好大方向再走子。然后所有后续动作都在这个策略条件下执行，整个过程用 hierarchical GRPO 联合训练。
第一作者指出：「长 horizon LLM Agent 不该是纯反应式的——当规划和执行纠缠在一起，探索和信用分配都会受损。」21
有什么意义？
ALFWorld 93.1%、WebShop 84.2%、SciWorld 63.5%，三个任务均超越闭源前沿模型22。代码已开源：github.com/xxyQwQ/StraTA
值得深读吗？ 做 Agent 任务的人值得看，代码已开放。
论文：arxiv.org/abs/2605.06642 | 作者：Xiangyuan Xue 等 8 人 | 机构：未标注

第二梯队：值得关注（upvotes 3–11）

#13 · Auto Research（CMU）：AI 自己做实验、改代码、写出训练配方

11 upvotes | AutoML / 自动研究 | arXiv 预印本
Carnegie Mellon University 的团队构建了一套完全由外部测量驱动的闭环自动化研究系统——多个专业 Agent 各负责训练配方的不同子区域，1,197 次正式试验完全无人干预，每次试验包含假设、代码编辑、评估结果和反馈。结果：Parameter Golf 指标 bpb 降低 0.81%，NanoChat-D12 CORE 提升 38.7%23。

#14 · A²TGPO（腾讯）：多轮 RL 中的逐轮信用分配问题

10 upvotes | Agent RL / RLHF | arXiv 预印本
解决多轮 agentic RL 中「稀疏奖励下如何把功劳分配给每一轮」的问题。引入信息增益（IG）作为内在过程信号，并通过三个机制修复此前 IG 信号的系统性缺陷：turn-group normalization（按问题和轮次索引归一化）、variance-rescaled discounted accumulation（让不同轮次的优势量级可比）、adaptive turn-level clipping（根据每轮 IG 自适应调节裁剪范围）24。
代码：github.com/CuSO4-Chen/A-TGPO | 论文：arxiv.org/abs/2605.06200 | 机构：腾讯

#15 · ScaleLogic：RL 训练 LLM 推理时，逻辑表达力有多重要

9 upvotes | LLM 推理 / RL | arXiv 预印本
用合成逻辑推理框架 ScaleLogic 独立控制推理深度和逻辑表达力，发现 RL 训练计算量与推理深度之间有幂律关系（T ∝ D^γ，R² > 0.99），而这个指数 γ 随逻辑表达力单调递增（1.04 → 2.60）——表达力越强的模型，深入训练越值钱，下游性能增益最高 +10.66 分25。
论文：arxiv.org/abs/2605.06638 | 无公开代码

#16 · UniPool（CUHK）：把 MoE 的「各层独享专家」改成全局共享池

7 upvotes | LLM 架构 / MoE | arXiv 预印本
将 MoE 架构的每层独立专家集改为全局共享专家池，各层共享同一批专家但用独立路由器访问。5 种 LLaMA 规模上训练 30B token，验证损失最高降低 0.0386；仅用 41.6% 的专家参数量就能匹敌原 MoE，深层路由器替换为均匀随机路由仅下降 1.0-1.6% 准确率——说明逐层独立专家有显著冗余26。

#19 · AI Co-Mathematician（Google DeepMind）：FrontierMath 最高分 48%

6 upvotes | 数学 AI / 多 Agent | arXiv 预印本
这个结果值得单独说说：在 FrontierMath Tier 4（一个专门为考验 AI 数学能力设计的困难数学基准）上取得 48% 得分，是目前所有已评估 AI 系统中的最高分。
AI Co-Mathematician 是 Google DeepMind 的多 Agent 系统，覆盖数学研究全流程：创意生成、文献搜索、计算探索、定理证明、理论构建。采用异步状态化工作空间设计，能追踪失败假设、优化用户意图27。早期测试中已帮助研究者解决了开放问题。Google DeepMind 内部项目，无公开代码。
论文：arxiv.org/abs/2605.06651 | 作者：Daniel Zheng、Pushmeet Kohli 等 18 人

#23 · EMO（Ai2）：让 MoE 专家在训练中自然「涌现」专业分工

5 upvotes | LLM 架构 / MoE | arXiv 预印本
Allen Institute for AI 的工作，在预训练阶段让 MoE 自然涌现模块化专家分组——核心约束是同一文档内的 token 倾向于用同一组专家。结果：仅保留 25% 的专家，性能只下降 1%（标准 MoE 在同等裁剪下直接崩溃）。EMO 的专家在语义层面专业化，而标准 MoE 只有底层句法专业化28。
代码：github.com/allenai/EMO | 论文：arxiv.org/abs/2605.06663 | 机构：Ai2

#24 · 数据受限时怎么扩展模型：修正版 Chinchilla 定律

4 upvotes | LLM 训练 / Scaling Laws | arXiv 预印本
Chinchilla 定律假设每个 token 都是独一无二的，但现实中数据往往被重复使用。这篇用加性过拟合罚项修正了 Chinchilla 公式，结论是：超过一定重复次数后，继续重复数据适得其反，应把计算投入模型容量；强权重衰减（λ=1.0）能把过拟合系数降低约 70%29。
论文：arxiv.org/abs/2605.01640 | 无公开代码

#25 · KernelBench-X（清华）：LLM 写 GPU Kernel，哪类任务全部失败

3 upvotes | LLM for Code / GPU 优化 | arXiv 预印本
清华大学构建了 176 个任务的 GPU Kernel 生成评测基准，系统比较 5 种方法（含 Claude、DeepSeek-Coder）。关键发现：72% 的 Fusion 类任务所有方法均失败；量化 kernel 生成成功率为 0/30；迭代精炼提高了编译率（52.3% → 68.8%）但降低了平均加速比（1.58× → 1.44×）；46.6% 生成成功的 kernel 反而比 PyTorch 基线更慢30。
代码：github.com/BonnieW05/KernelBenchX | 论文：arxiv.org/abs/2605.04956 | 机构：清华大学

第三梯队：低调但有意思的几篇

尽管 upvotes 不高，以下几篇的研究问题本身值得单独点出：
#27 · Balanced Aggregation（复旦 OpenMOSS）：GRPO 训练中的梯度聚合偏差（3 upvotes）
发现 GRPO 的 token 级聚合会引入「符号-长度耦合」偏差，序列级聚合则会压低长回复。提出 Balanced Aggregation（BA）修复这个系统性问题——在正/负样本内部分别做 token 级均值，再按序列数量组合。Qwen2.5-Math-7B + Qwen3-1.7B 的 6 个基准上一致提升31。 论文：arxiv.org/abs/2605.04077 | 机构：复旦大学 OpenMOSS
#34 · EnergyFlow：从扩散策略中提取隐藏奖励（2 upvotes，ICML 2026 已接收）
用能量函数统一了生成式动作建模和逆强化学习，理论证明扩散模型的去噪分数函数恢复了专家的软 Q 函数梯度——这意味着无需对抗训练就能从演示中提取奖励信号。已被 ICML 2026 接收32。 代码：github.com/sotaagi/EnergyFlow | 论文：arxiv.org/abs/2605.00623
#35 · BioTool（UCSD）：4B 小模型调好工具调用，打败 GPT-5.1（1 upvote，ACL 2026 已发表）
构建了 34 个 NCBI/Ensembl/UniProt 常用生物医学工具的调用数据集（7,040 条人工验证的查询-API 调用对）。4B 参数 LLM 微调后在生物医学工具调用性能上超越商用大模型，已被 ACL 2026 接收33。 代码：github.com/gxx27/BioTool | 论文：arxiv.org/abs/2605.05758 | 机构：UCSD
#36 · TIDE（Apple）：每层 Transformer 都应该知道「这个词是什么」（1 upvote）
指出标准 Transformer 只在输入嵌入层注入 token 身份信息，之后每层都靠上下文推断——对稀有 token 尤其不友好（Zipf 分布使稀有 token 嵌入严重欠训练）。TIDE 在每一层都通过轻量路由器补注 token 身份信息，理论和实验均证明有收益34。 论文：arxiv.org/abs/2605.06216 | 机构：Apple，暂无代码

今日趋势小结

Agent RL 方向的论文数量最多，且方法集中在「如何更好地训练 Agent 的计划与执行能力」——Skill1、SkillOS、StraTA、A²TGPO、ScaleLogic 各自在不同环节切入，有明显的研究迭代迹象。
扩散模型方向的两篇（Cola DLM、CDM）方向相反但都值得关注：前者在问文字生成是否可以抛弃离散 token 范式，后者在解决图像生成的步骤效率问题。
检索方向的 DCI 是今日最有冲击力的一篇——「删掉检索器」是个反直觉的结论，但数据支持它。如果这个范式被验证，对当前 RAG 基础设施的影响相当深远。
今日还有 17 篇论文因篇幅未详细展开，覆盖自动驾驶（ReflectDrive-2）、表格嵌入（TabEmbed）、视频背景替换（Sparkle）、多模态域泛化评测（MMDG-Bench）、量子化学（GQKAE）等方向——可直接访问 HuggingFace Daily Papers 查看完整列表。
封面图由 AI 生成，基于 HuggingFace Daily Papers 主题。

参考来源

  1. 1Daily Papers - Hugging Face (May 8, 2026)
  2. 2Skill1: Unified Evolution of Skill-Augmented Agents via RL
  3. 3Beyond Semantic Similarity - HuggingFace
  4. 4Beyond Semantic Similarity - arXiv
  5. 5Continuous Latent Diffusion Language Model - HuggingFace
  6. 6Continuous Latent Diffusion Language Model - arXiv
  7. 7MiA-Signature - arXiv
  8. 8RaguTeam at SemEval-2026 - HuggingFace
  9. 9RaguTeam at SemEval-2026 - arXiv
  10. 10MARBLE - HuggingFace
  11. 11MARBLE - arXiv
  12. 12When to Trust Imagination - HuggingFace
  13. 13When to Trust Imagination - arXiv
  14. 14Nonsense Helps - arXiv
  15. 15Nonsense Helps - HuggingFace
  16. 16Continuous-Time Distribution Matching - arXiv
  17. 17SkillOS - arXiv
  18. 18SkillOS - HuggingFace
  19. 19Audio-Visual Intelligence in Large Foundation Models - HuggingFace
  20. 20Audio-Visual Intelligence in Large Foundation Models - arXiv
  21. 21StraTA - HuggingFace
  22. 22StraTA - arXiv
  23. 23Auto Research with Specialist Agents - arXiv
  24. 24A^2TGPO - arXiv
  25. 25Can RL Teach Long-Horizon Reasoning to LLMs? - arXiv
  26. 26UniPool - arXiv
  27. 27AI Co-Mathematician - arXiv
  28. 28EMO - arXiv
  29. 29Prescriptive Scaling Laws for Data Constrained Training - arXiv
  30. 30KernelBench-X - arXiv
  31. 31Balanced Aggregation: Understanding and Fixing Aggregation Bias in GRPO - arXiv
  32. 32Recovering Hidden Reward in Diffusion-Based Policies - arXiv
  33. 33BioTool - arXiv
  34. 34TIDE: Every Layer Knows the Token Beneath the Context - arXiv

围绕这条内容继续补充观点或上下文。

  • 登录后可发表评论。