ARCHIVE · 2026-09 · 113 PAPERS · PAGE 1/3

2026-09 论文

2026-09 在 arXiv 首发的论文，按日期倒序。要按主题、学科或机构筛选，请用归档检索。

智能体 39高效训练与推理 24多模态 24评测与数据 22强化学习 18视觉生成 17机器人与具身 14推理 10AI for Science 10代码与软件工程 8大语言模型 7视觉理解与 3D 7对齐 6安全与可解释 4

机构前 5：Zhejiang University (5) · National University of Singapore (5) · Peking University (5) · Carnegie Mellon University (3) · Google (3)

▲642 ❝2 2026-09-30

False Frontiers: Diagnosing and Mitigating Co-Cheating in Self-Evolving Search Agents

揭示自进化搜索 Agent 的“共谋作弊”：出题者和解题者一起犯同样的错，并提出多样本验证来缓解。

Rutgers University · Meijia Chen, Hao Li, Zheng Lu +12

智能体强化学习 arXiv HF

▲310 ★140 ❝2 2026-09-30

GroundingPI: A Grounding Foundation Model towards Physical Intelligence with Visual Primitives

GroundingPI 是 4B 参数的定位基础模型，用坐标 token 输出点和框，为机器人控制提供快速精准的目标定位。

XPENG AI · Qize Yu, Lianrui Fan, Boyu Chen +23

机器人与具身视觉理解与 3D arXiv 代码 HF

▲266 ❝0 2026-09-30

UniEvo-VL: An On-policy Self-Distillation Training Recipe for Multimodal Model Self-improvement

UniEvo-VL 让同一个多模态模型分别扮演教师和学生，用自我批评做在线自蒸馏实现自我提升。

Stanford NLP · Fang Wu, Da Xing, Yanjie Huang +16

多模态 arXiv HF

▲124 ★30 ❝0 2026-09-30

FrameMorrow: Future-guided Frame Selection with Prospective Tokens for Long-Horizon Video Generation

FrameMorrow 用“前瞻 token”按未来需要挑选历史帧，提升长视频生成的效率和一致性。

National University of Singapore · Bo Yin, Xiaobin Hu, Jiaqi Zhao +1

视觉生成高效训练与推理 arXiv 代码 HF

▲123 ❝0 2026-09-30

GraphForge: Training Working Agents with Graph-Anchored Workspace Synthesis

GraphForge 以真实文件构建证据图，合成带可验证结果的办公任务来训练“干活型”智能体。

University of Science and Technology of China · Qisheng Su, Hanchen Wang, Guanru Zhu +9

智能体评测与数据 arXiv HF

▲120 ❝1 2026-09-30

Mid-Harness: Scaling Actions Between Model and Harness for Terminal Agents

Mid-Harness 在模型与执行框架之间先采样并验证候选命令再执行，提高终端 Agent 的可靠性。

NVIDIA · Minki Kang, Ryo Hachiuma, Shaokun Zhang +8

智能体高效训练与推理 arXiv HF

▲112 ★7 ❝1 2026-09-30

EvoDuet: Bilevel Co-Evolution of Web Searching and Task Solving for Scientific Discovery

EvoDuet 让解法和搜索查询双层协同进化，帮助大模型进化搜索在需要外部知识时不再停滞。

Minnesota NLP · Young-Jun Lee, Jinheon Baek, Soyeong Jeong +5

AI for Science 智能体 arXiv 代码 HF

▲106 ★4 ❝0 2026-09-30

WorldAuditBench: Interactive 3D World Auditing with Multimodal Agents

WorldAuditBench 让多模态 Agent 在 3D 世界中移动搜寻漂浮物体、穿墙等异常。

University of California, Santa Barbara · Ziyan Jiang, Jingbo Yang, Jiabao Ji +5

多模态智能体评测与数据 arXiv 代码 HF

▲97 ★146 ❝0 2026-09-30

RSIGame: Autonomous Agentic Game Development with Recursive Self-improvement

RSIGame 用局部和全局两层循环递归改进 Agent 生成的游戏，减少只对少数测试过拟合的问题。

RSIGame · Wenyi Wu, Minghao Fu, Jieyu You +10

智能体代码与软件工程 arXiv 代码 HF

▲94 ★78 ❝4 2026-09-30

GroundAnything: Reconciling Parallel Decoding with Precise Visual Grounding at Flash Speed

GroundAnything 用双向扩散并行解码目标位置，在保持精准的同时大幅加快视觉定位。

XPENG AI · Qize Yu, Lianrui Fan, Bowen Ping +19

视觉理解与 3D 高效训练与推理 arXiv 代码 HF

▲75 ★11 ❝0 2026-09-30

EgoTools: Towards Tool-Centric Reasoning in Real-World Egocentric Videos

EgoTools 关注真实第一视角视频中的工具使用推理，评测并提升模型对手-工具-物体关系的理解。

Ropedia · Shulin Tian, Junsu Kim, Shuai Liu +17

多模态推理评测与数据 arXiv 代码 HF

▲69 ❝1 2026-09-30

PhysVista: Benchmarking Physical Intelligence in VLMs via a Perception-Reasoning-Assessment Loop

PhysVista 通过“感知-推理-判断”闭环评测视觉语言模型的物理常识与判断能力。

university of science and technology of china · Xinge Peng, Yiting Lu, Tianwu Zhi +4

多模态评测与数据推理 arXiv HF

▲68 ★22 ❝0 2026-09-30

Scoring Higher, Answering Worse: Mitigating Reward Hacking in Rubric-Based RL via Protocol-Level Rubrics

指出基于评分细则的 RL 用加权求和会被“刷分”（以临床问诊为例），并提出协议级细则加以缓解。

ByteDance · Maoqi Liu, Junwei He, Bowen Zhang +5

强化学习对齐 AI for Science arXiv 代码 HF

▲68 ★14 ❝0 2026-09-30

Hear the World in Stereo: Learning Dynamic Spatial Correspondence for Immersive Joint Video-Audio Generation

StereoBind 让生成视频中的立体声声源位置随画面物体运动而变化，用于沉浸式音视频生成。

机构待核实 · Hanmo Chen, Chengcheng Liu, Tianxiao Chen +7

多模态视觉生成 arXiv 代码 HF

▲65 ★5 ❝3 2026-09-30

More Choices, Fewer Decisions: Ordinal-Scale Bias in JEV-like Direct-Decision Models

发现 JEV 类直接决策模型在有序打分时偏向中间档，没有充分利用整个评分尺度。

Jilin University · Tianxiang Gao, Jinzhe Li, Zhiyuan Li +2

评测与数据 arXiv 代码 HF

▲63 ★210 ❝3 2026-09-30

Video Generation Models: A Survey of Post-Training and Alignment

视频生成模型后训练与对齐的综述，梳理时序一致性、物理和安全约束等难点。

Arizona State University · Chaoyu Li, Xiaoyi Gu, Yogesh Kulkarni +10

视觉生成对齐 arXiv 代码 HF

▲63 ★14 ❝1 2026-09-30

Science or Slop?: Benchmarking and Mitigating Scientific Slop in AI-Generated Papers

SciSlopBench 收录 390 篇 AI 生成论文，检测看似合理但推理断裂的“科研垃圾”，并探索缓解办法。

Seoul National University · Yerim Oh, Young-Jun Lee, Jaewoo Ahn +2

评测与数据 AI for Science arXiv 代码 HF

▲51 ★112 ❝0 2026-09-30

Does Learning Protein Folding Generalize to Broader Reasoning?

研究让大模型学习蛋白质折叠能否迁移成通用的空间与结构推理能力。

Shanghai JiaoTong University · Yong Liu, Zhanpeng Shi, Yizhou Dang +4

AI for Science 推理 arXiv 代码 HF

▲511 ★7 ❝2 2026-09-29

The Teacher Is a Direction, Not a Destination: Extrapolating RL-Induced Representation Residuals in On-Policy Distillation

在线策略蒸馏中，沿 RL 引起的隐藏表征变化方向外推，让学生模型更稳定地超越教师。

机构待核实 · Hao Li, MeiJia Chen, Weijie Ren +4

高效训练与推理强化学习 arXiv 代码 HF

▲417 ★261 ❝0 2026-09-29

LoopVL: Recurrent Visual Intelligence

LoopVL 把循环 Transformer 扩展到视觉语言模型，在多次循环中反复更新视觉-语言状态。

Renmin University of China · Zhe Qian, Ziyang Gong, Zhongxing Xu +13

多模态推理 arXiv 代码 HF

▲140 ❝0 2026-09-29

Adaptive Reward Routing: Dynamic Multi-Reward Optimization for Joint Audio-Video Diffusion via Forward-Process RL

自适应奖励路由在训练中动态调整更新位置和多个奖励的权重，改进音视频联合生成。

Tencent · Songlin Yang, Xiaotong Zhao, Jiacheng Zhang +5

视觉生成强化学习 arXiv HF

▲134 ★39 ❝0 2026-09-29

AREX-2: Advancing Self-Improving Agents through Long-Horizon Reflective Tasks

AREX-2 用机器学习和算法编程中的长程改进轨迹训练，让 Agent 在测试时反复反思、不断改进答案。

Beijing Academy of Artificial Intelligence · Hongjin Qian, Chaofan Li, Kun Luo +11

智能体强化学习 arXiv 代码 HF

▲131 ★101 ❝0 2026-09-29

STEPQuant: When and Where Errors Matter in Delta-Rule Recurrent State Quantization

STEPQuant 分析线性注意力循环状态量化误差在时间和空间上的影响，实现低精度状态存储。

Zhejiang University · Bingchen Yao, Haobo Xu, Haokun Lin +6

高效训练与推理 arXiv 代码 HF

▲116 ★59 ❝0 2026-09-29

Beyond the Timeline: Augmenting Long-Video Memory with Grounded Entity Biographies

GEB 把长视频中同一物体的观察串成“实体传记”，帮助回答跨时间的问题。

Amazon Science · Hui Ren, Lei Fan, Henry Pao +5

多模态 arXiv 代码 HF

▲115 ❝0 2026-09-29

MotorMind: Scaffolding General Vision Language Models for Zero-Shot Robot Manipulation

MotorMind 为通用视觉语言模型搭建脚手架，让它不经专门训练就能零样本操控机器人。

University of Illinois at Urbana-Champaign · Bingxuan Li, Siqi Song, Yizhuo Wu +3

机器人与具身多模态 arXiv HF

▲104 ★35 ❝0 2026-09-29

Think Before You Score: Thinking Reward Model for Visual Generation

思考型奖励模型先为每个示例制定评分要点再打分，给视觉生成提供更细的奖励信号。

机构待核实 · Xuehai Bai, Zhenchen Tang, Yang Shi +9

视觉生成对齐 arXiv 代码 HF

▲103 ❝0 2026-09-29

Predictive Credit: Measuring What Scientific Explanations Add to Experimental Forecasts

提出“预测贡献”指标，衡量科研 Agent 对实验的解释是否真能改善结果预测；预注册检验结论为不确定。

Carnegie Mellon University · Jingjie Ning, Xueqi Li, Yibo Kong +1

AI for Science 评测与数据 arXiv HF

▲101 ❝0 2026-09-29

Follow the Entities: A Corpus Map for Agentic Search

微软为大型文档库构建以实体为线索的“语料地图”，帮助智能体搜索跨文档的证据。

Microsoft · Soyeong Jeong, Sujay Kumar Jauhar, Sung Ju Hwang +1

智能体大语言模型 arXiv HF

▲93 ★29 ❝0 2026-09-29

SAKI: Maximal-Coupling-Routed Teacher Supervision for On-Policy Distillation

SAKI 用 KL 约束的教师引导采样和最大耦合来分配蒸馏监督，帮助弱学生模型学习。

meituan · Miteto Wei, Xiaohan Wang, Zehao Chen +7

高效训练与推理 arXiv 代码 HF

▲86 ★11 ❝1 2026-09-29

Learning Meta-Skills for Agent Harness Design in Test-Time AI4AI

让“构建者”模型学习元技能，为固定的目标模型自动搭建更好的执行环境（测试时 AI4AI）。

Apodex · Cheng Qian, Kunlun Zhu, Beibin Li +2

智能体 arXiv 代码 HF

▲78 ★38 ❝2 2026-09-29

Imagine3D-LLM: Teaching MLLMs to Imagine 3D Scenes Before Answering

Imagine3D-LLM 教多模态模型先在脑中“想象”3D 场景再回答多视角空间问题。

KAIST AI · Jaewoo Jung, Hyeonseo Yu, Honggyu An +10

多模态推理 arXiv 代码 HF

▲75 ★27 ❝0 2026-09-29

EVOKE: Eliciting World Knowledge in Agents for Transferable Decision-Making

EVOKE 通过训练激发大模型预训练中已有的世界知识，让 Agent 更好地迁移到新环境。

Shanghai Jiao Tong University · Yuhan Guo, Jinming Liu, Liang Xu +8

智能体 arXiv 代码 HF

▲75 ★46 ❝0 2026-09-29

EngiWorld: What Can Frontier Agents Deliver in Professional Engineering Environments?

EngiWorld 收录 1301 个专家任务，覆盖 CAD、CAE、EDA 等 6 个工程领域和 26 款专业软件。

Zhiman AI · Hongcheng Gao, Hailong Qu, Yu Lei +19

智能体评测与数据 arXiv 代码 HF

▲68 ★10 ❝0 2026-09-29

E-MoE: Enhanced Mixture-of-Experts for Non-Factorized Diffusion Language Models

E-MoE 用增强的混合专家改进非分解式扩散语言模型，提升少步解码质量并避免后验坍塌。

机构待核实 · Arseny Ivanov, Alexander Kolesov, Alexander Korotin +2

大语言模型高效训练与推理 arXiv 代码 HF

▲64 ★18 ❝0 2026-09-29

In-context Robot Learning Made Simple: A Democratized Recipe for Manipulation Tasks

先明确定义机器人上下文学习要学什么，再给出一套简单易复现的操作任务方案。

机构待核实 · Minxing Li, Minghao Han, Weizhi Zhao +10

机器人与具身 arXiv 代码 HF

▲57 ★17 ❝0 2026-09-29

OmniTaskonomy: When Does Visual Generation Improve Visual Understanding?

研究视觉生成训练何时能提升视觉理解：配方对时，图生图训练能带来理解任务的增益。

UC Berkeley · Jiaxin Ge, Yiming Qin, Ji Xie +13

多模态视觉理解与 3D arXiv 代码 HF

▲53 ❝2 2026-09-29

AIM: Agentic Idea Management for Automated Research

谷歌 AIM 借鉴贝叶斯优化，自动管理、筛选和推进自动化科研中的研究想法。

Google · Hyeong Kyu Choi, Bhavana Dalvi Mishra, Jiefeng Chen +7

智能体 AI for Science arXiv HF

▲49 ★54 ❝1 2026-09-29

EVO-WAM: Evolving World Action Models through Video-Action Verification

EVO-WAM 让世界-动作模型从自己生成并通过校验的视频-动作轨迹中学习新任务，无需新示范。

Harbin Institute of Techonology, Shenzhen · Shiyang Zhou, Xionghao Wu, Wenbo Li +11

机器人与具身 arXiv 代码 HF

▲47 ★742 ❝2 2026-09-29

Context Language Models

上下文语言模型把上下文当成可自由编辑的文件，自己决定保留什么，以更少算力取得更高准确率。

Meta · Rulin Shao, Shannon Zejiang Shen, Junjie Oscar Yin +10

大语言模型智能体 arXiv 代码 HF

▲40 ★153 ❝0 2026-09-29

TERRA: Terrain-Aware Reconstruction, Retargeting and Control for Musculoskeletal Locomotion

TERRA 把运动数据连同地形一起重定向到肌肉骨骼模型，让肌肉驱动的智能体在复杂地形上行走。

Mathis Group @ EPFL · Merkourios Simos, Chengkun Li, Bianca Ziliotto +1

机器人与具身强化学习 arXiv 代码 HF

▲38 ★625 ❝0 2026-09-29

HelixWorld: A Real-time Interactive Audio-Visual World Model

HelixWorld 是实时可交互的音视频世界模型，画面和立体声随用户操作同步变化。

NoizAI · Lei Ke, Jiahao Pan, Zeyue Tian +13

视觉生成多模态 arXiv 代码 HF

▲34 ★227 ❝1 2026-09-29

PixelUMM: Encoder-Free Unified Image and Video Understanding and Generation

PixelUMM 不用视觉编码器，直接在像素空间统一图像和视频的理解与生成。

NVIDIA · Cong Wei, Xuanchi Ren, Bryan Chu +8

多模态视觉生成 arXiv 代码 HF

▲34 ★637 ❝9 2026-09-29

Systematically Exploring the Capabilities of GPT-6 Astra as Embodied Policies

在六类具身任务上系统测试 GPT-6 Astra 直接输出机器人动作的能力，以及与专用策略的配合。

Galbot · Galbot Team, Xuchuan Chen, Xiaoqian Cheng +31

机器人与具身评测与数据 arXiv 代码 HF

▲21 ★2.8k ❝22 2026-09-29

TabFM: A Zero-Shot Foundation Model for Tabular Data

TabFM 是 4 亿参数的表格基础模型，全靠合成数据训练，单次前向即可零样本预测。

Google · Weihao Kong, Erez Louidor Ilan, Shuxin Nie +6

大语言模型评测与数据 arXiv 代码 HF

▲388 ★116 ❝2 2026-09-28

In-Context Learning for Robots: Methods and Applications

机器人上下文学习综述：按“上下文如何转成动作”把方法分成四大类并对比。

Knowin AI · Haojian Huang, Zexi Li, Junhao Guo +36

机器人与具身 arXiv 代码 HF

▲367 ★36 ❝1 2026-09-28

MaLiang-Harness: A Programmable Path to Image and Video Generation

MaLiang-Harness 让多模态模型写程序生成图像和视频，并在“构建-检查-修改”循环中缩小程序与画面的差距。

National University of Singapore · Haoyu Zhao, Zihao Zhang, Xudong Wang +4

视觉生成代码与软件工程 arXiv 代码 HF

▲224 ★47 ❝0 2026-09-28

Rethinking Latent Visual Reasoning: Grounding Latent Reasoning in Visual Evidence

指出潜空间视觉推理的 token 对图像证据不敏感，并提出把潜推理锚定到视觉证据上的训练方法。

Amazon · Xi Xiao, Tianchen Zhao, Youngeun Kim +10

推理多模态 arXiv 代码 HF

▲205 ❝1 2026-09-28

On-Policy or Off-Policy Learning? A Systematic Study of Distillation Dynamics

在受控实验中分离 on-policy 与 off-policy 蒸馏的作用，发现结论比“on-policy 总更好”复杂。

University of Cambridge · Julianna Piskorz, Antonin Berthon, Mihaela van der Schaar

高效训练与推理推理 arXiv HF

▲181 ★57 ❝1 2026-09-28

Beyond Teacher Assignment: Domain-Normalized Multi-Teacher On-Policy Distillation

多教师在线蒸馏中按领域归一化各教师的反馈强度，让学生同时学好数学、代码和指令遵循。

Nanyang Technological University · Xin Li, Hao Jiang, Xin Gao +6

高效训练与推理强化学习 arXiv 代码 HF

▲151 ★70 ❝0 2026-09-28

PanoVLN: Towards Effective Panoramic Vision-and-Language Navigation

PanoVLN 研究如何让视觉语言导航真正用好全景图像，而不是简单替换透视图。

Zhejiang University · Zhen Wang, Changpeng Wang, Zhe Liu +5

机器人与具身多模态 arXiv 代码 HF