ARCHIVE · 2026-09 · 113 PAPERS · PAGE 2/3

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)

▲140 ★82 ❝0 2026-09-28

What Makes World Action Models Generalize? An Empirical Study of Test-Time Future Modeling

实证发现：只在潜空间预测未来的世界-动作模型会丢掉泛化优势，显式生成未来画面仍有价值。

Tsinghua-LeapLab · Renping Zhou, Zanlin Ni, Zihao Fan +8

机器人与具身 arXiv 代码 HF

▲129 ❝0 2026-09-28

LEGO-Anything: Coding Agents for 3D Scene Reconstruction

LEGO-Anything 让编程 Agent 反复编写和执行 Blender 代码，从单张图片重建可编辑的 3D 场景。

Amazon Web Services · Xirui Li, Peng Shi, Mingwen Dong +7

代码与软件工程视觉理解与 3D 智能体 arXiv HF

▲112 ★54 ❝4 2026-09-28

Self-Evolving Coding Agents: From Digital Programs to Physical-World Intelligence

主张把机器人任务写成可检查、可修改的代码，让自进化的编程 Agent 从数字世界走向物理世界。

HexaFuture · Hongcheng Gao, Jingjing Zhou, Zelin Zheng +10

机器人与具身代码与软件工程智能体 arXiv 代码 HF

▲108 ❝0 2026-09-28

Periodic Weak Spots: Phase Sensitivity from Chunked KV-Cache Compression

发现分块 KV 缓存压缩带来“相位敏感”：信息在压缩窗口中的位置不同，检索准确率差异明显。

ByteDance Seed · Xingyu Zhu, Pu, Yi +6

高效训练与推理 arXiv HF

▲87 ★5 ❝1 2026-09-28

Agent Priors-guided Policy Learning

把每个技能策略的结构先验纳入 Agent 的技能接口，让少样本机器人同时做到组合泛化和技能泛化。

National University of Singapore · Puming Jiang, Tianrun Hu, Haozhe Du +4

机器人与具身智能体 arXiv 代码 HF

▲86 ★20 ❝0 2026-09-28

LLMs are General Asynchronous Agents

提出通用异步 Agent：大模型在思考或执行时也能接收新输入，适配语音、具身、监控等并发场景。

Yandex Research · George Yakushev, Denis Mazur, Vladimir Bartenev +4

智能体 arXiv 代码 HF

▲74 ★23 ❝0 2026-09-28

LongCat-DeepResearch Technical Report

美团 LongCat 深度研究系统技术报告：多 Agent 分工规划、并行调研和分节修订，生成有证据的长报告。

LongCat · Meituan LongCat Team, He Zhu, Yue Xu +28

智能体 arXiv 代码 HF

▲65 ★12 ❝0 2026-09-28

PDE-JEPA: Predictive Representation Learning of Latent Dynamics Modeling for Parametric PDEs

PDE-JEPA 用预测式表示预训练学习参数化偏微分方程的潜在动力学，替代重建式目标。

Zhejiang University · Zhentao Tan, Jianrong Zhang, Ruijie Quan +1

AI for Science 高效训练与推理 arXiv 代码 HF

▲62 ★102 ❝1 2026-09-28

Improving Test-Time Scaling with Adaptive Looped Transformers

研究循环 Transformer 在测试时扩展中的表现，并提出自适应循环以在同等算力下胜过基线。

Tsinghua-NICS-EFC · Yichen You, Tianyu Fu, Aosong Feng +4

推理高效训练与推理 arXiv 代码 HF

▲50 ★31 ❝0 2026-09-28

Learning Native Reflection in Unified Models with Interleaved Reinforcement Learning

用交错强化学习联合训练统一多模态模型的“反思文本”和图像生成，让它能自查并修图。

MMLab@NTU · Yijia Fan, Ziqi Huang, Zhongang Cai +5

多模态强化学习视觉生成 arXiv 代码 HF

▲748 ★5.5k ❝1 2026-09-27

Raven: The Harness of Harnesses for Composable Agentic Intelligence

开源多智能体生态 Raven，自动搭建、演化并跨领域编排各类专用 Agent 框架（harness）。

EverMind · EverMind AI

智能体 arXiv 代码 HF

▲296 ★1.3k ❝0 2026-09-27

VisionHOPE: Visual Backbones as Self-Modifying Learning Systems

VisionHOPE 把视觉骨干网络做成“自我修改”的学习系统，记什么、怎么学在单张图内共同演化。

Mininglamp Technology · Siran Peng, Tianshuo Zhang, Tianyu Fu +8

视觉理解与 3D arXiv 代码 HF

▲223 ★12k ❝1 2026-09-27

YuE2: Unifying Symbolic and Audio Music Generation at Frontier Quality

YuE2 先写可读乐谱再生成整首歌，把符号作曲和音频生成统一到一个模型里。

Multimodal Art Projection · Ruibin Yuan, Jiahao Pan, Junyan Jiang +32

多模态视觉生成 arXiv 代码 HF

▲72 ★13 ❝0 2026-09-27

TraceDance: An Automated System for Building Agent Behavior Benchmarks from Real-World Agent Deployment Traces

TraceDance 从真实部署轨迹中自动构建针对特定不良行为的 Agent 测试集。

ByteDance · Dehai Min, Daoan Zhang, Yiming Zeng +13

智能体评测与数据安全与可解释 arXiv 代码 HF

▲46 ★72 ❝0 2026-09-27

Relevance Does Not Imply Applicability: Experience Activation for Personal GUI Agents

研究个人 GUI 智能体：检索到的历史经验主要只帮第一步，提出按需“激活”经验的方法。

Nanyang Technological University · Fuyao Zhang, Xuan Wang, Zherui Li +3

智能体 arXiv 代码 HF

▲35 ★37 ❝0 2026-09-27

Diffusion Reward Models

清华 DRM 把奖励建模改成条件密度估计，用扩散模型刻画人类偏好的多峰分布。

Tsinghua NLP Group · Xiangyang Wang, Bingxiang He, Zeyuan Liu +13

对齐强化学习 arXiv 代码 HF

▲327 ❝0 2026-09-26

Scaling Properties of Same-Family On-Policy Distillation

研究同族模型间在线策略蒸馏的扩展规律：训练早期准确率随 KL 距离近似线性上升。

Zhejiang University · Yuntai Bao, Qinfeng Li, Guoqing Jiang +5

高效训练与推理强化学习 arXiv HF

▲134 ★7 ❝0 2026-09-26

VoxMem: Benchmarking Multimodal Memory in Large Audio Language Models

VoxMem 评测音频大模型能否记住语音里“谁说的、怎么说的、听到了什么”等转写之外的信息。

The University of Melbourne · Yang Xiao, Vidhyasaharan Sethu, Eun-Jung Holden +1

多模态评测与数据 arXiv 代码 HF

▲103 ★7 ❝0 2026-09-26

Prefill-Free Cross-Family KV Cache Transfer for Heterogeneous Multi-Agent LLMs

HeteroFold 让不同家族的大模型之间直接传递 KV 缓存，多智能体协作时免去重复预填充。

University of Southern California · Vincent-Daniel Yun, Woosang Lim, Haneul Yoo +3

高效训练与推理智能体 arXiv 代码 HF

▲95 ❝1 2026-09-26

Groupwise Agentic Grading and Advantage Redistribution for Code Agent RL

GAGAR 在编程 Agent RL 中按实现质量重新分配优势值，奖励更干净、更聚焦的代码修改。

Xiaomi MiMo · Jinhao Dong, Liang Zhao, Zihao Yue +7

代码与软件工程强化学习 arXiv HF

▲81 ★30 ❝0 2026-09-26

DoSA: Dots Sparse Attention

DoSA 用上下界证明提前排除不可能入选的 key，在不改变 Top-K 结果的前提下加速稀疏注意力。

dots studio · Fanxu Meng, Taosong Fang

高效训练与推理 arXiv 代码 HF

▲80 ★2 ❝1 2026-09-26

X-Tree: Tokenizing Reusable Experience for Efficient Agent Generalization

X-Tree 像分词器一样从轨迹中提取可复用的子流程，把分层经验直接训练进智能体权重。

University of Waterloo · Sitao Cheng, Xunjian Yin, Zhiyuan Sun +4

智能体高效训练与推理 arXiv 代码 HF

▲75 ★763 ❝0 2026-09-26

MassAlloc Attention: Let Attention Allocate Its Own Compute

MALA 注意力按每个位置的贡献自适应分配计算，跳过贡献极小的部分以提速。

Beijing Academy of Artificial Intelligence · Jingze Shi, Zhangyang Peng, Xianduo Li +6

高效训练与推理 arXiv 代码 HF

▲67 ★763 ❝0 2026-09-26

CoWindow Attention: Full Causal Coverage Is a Collective Property

CoWA 注意力让不同 KV 头分摊远程历史，各头稀疏但合起来仍完整覆盖因果上下文。

Beijing Academy of Artificial Intelligence · Jingze Shi, Zhangyang Peng, Xianduo Li +6

高效训练与推理 arXiv 代码 HF

▲485 ★200 ❝0 2026-09-25

Omni-IO Skills: Harnessing Your Agent Omni-Native

Omni-IO Skills 用分层技能和资产登记表，让现有 Agent 能读写图像、音频、视频、3D 等多种模态。

National University of Singapore · Yanlin Li, Mingyang Hao, Shengqiong Wu +3

智能体多模态 arXiv 代码 HF

▲138 ★17 ❝1 2026-09-25

FuseReg: Regularizing Layer Fusion Mitigates the Reconstruction-Generation Gap in Representation Autoencoders

FuseReg 用可训练的层融合加正则，缓解表征自编码器在重建和生成之间的取舍。

USC Physical Superintelligence (PSI) Lab · Hongyang Du, Yunfei Xie, Junjie Ye +13

视觉生成 arXiv 代码 HF

▲90 ❝1 2026-09-25

Duplex-MPE: Benchmarking Multi-Party Interaction in Full-Duplex Dialogue

Duplex-MPE 用 2000 个多人对话场景，评测全双工语音助手何时该接话、沉默或停下。

Peking University · Chengqian Ma, Wenhao Feng, Weixuan Jin +7

多模态评测与数据 arXiv HF

▲66 ★5 ❝1 2026-09-25

Decentralized Master-Mind: Joint Action Refinement through Iterative Intent Denoising in Multi-Agent Pathfinding

DMM 用迭代去噪联合细化多智能体路径规划中的动作，避免各自采样拼出相互冲突的方案。

机构待核实 · Valeriy Vyaltsev, Anton Andreychuk, Taisia Zlotnikova +3

机器人与具身强化学习 arXiv 代码 HF

▲273 ★18 ❝0 2026-09-24

Post-Training Leaves Behavioral Shadows on Unrelated Decisions

发现后训练会在无关输出上留下“行为影子”，每个提示只需教师一个词就能把能力迁移给学生。

Peking University · Ziyang Zhang, Yubin Jing, Yuanhao Zeng +3

大语言模型安全与可解释 arXiv 代码 HF

▲34 ★111 ❝1 2026-09-24

Qwen-Planner-Agent: A Closed-Loop AI-for-AI Framework for Real-World Mobile Planner Agents

通义 Qwen-Planner-Agent 用“AI 开发 AI”的闭环框架迭代训练真实手机上的规划智能体。

Tongyi-MAI · Tingyu Qu, Weigao Sun, Yuecheng Liu +23

智能体强化学习 arXiv 代码 HF

▲31 ★26 ❝1 2026-09-24

ExplorationBench: Measuring AI Systems' Exploration in Verifiable Alien Worlds

腾讯混元 ExplorationBench 在可验证的虚构世界中测 AI 的科学探索能力，排除预训练知识的干扰。

Tencent Hunyuan · Ming Zhang, Zhenghao Xiang, Peizhong Gao +17

AI for Science 评测与数据智能体 arXiv 代码 HF

▲29 ★28 ❝12 2026-09-24

Just Ask Jev: Reinforcement Learning for Calibrated Decisions as a Zero-Shot Detector of AI Alignment Failures

测试经 RL 校准的决策模型 Jev 能否零样本检测谄媚、越狱、欺骗等十类对齐失败。

机构待核实 · Ruoqi Guo, Yi Liu, Gelei Deng +6

安全与可解释对齐 arXiv 代码 HF

▲23 ❝0 2026-09-24

Where Does Retrieval-Based Open-Ended Evaluation Fail? Automatic Taxonomy Induction from Long-Form Medical Answer Factuality Verification

为医疗长答案的事实核查建立错误分类体系，找出基于检索的评测在哪里失效。

Center for Language and Speech Processing @ JHU · Heyuan Huang, Jirui Dai, Alexandra DeLucia +5

AI for Science 评测与数据 arXiv HF

▲21 ★9 ❝0 2026-09-24

IndicBankBench: Evaluating Safety and Reliability of Language Model Assistants in Indian Retail Banking

IndicBankBench 用 799 个印度零售银行案例，分阶段评估银行助手的安全、工具调用和回答质量。

National Payments Corporation of India · Suvradip Paul, Chandra Bhushan, Harsh Sharma +4

安全与可解释评测与数据 arXiv 代码 HF

▲167 ★97 ❝0 2026-09-23

Training Object Permanence in World Models

构建 150 个认知科学启发任务，检验并训练视频世界模型的“物体恒存”常识。

Carnegie Mellon University · Haotian Zhang, Fengyuan Yu, Dezhi Luo +28

视觉生成推理 arXiv 代码 HF

▲66 ★89 ❝0 2026-09-23

The Past Frames the Future: Memory for Autoregressive Video Generation

系统讨论自回归视频生成的记忆问题：如何在有限上下文中保住身份、状态和因果变化。

机构待核实 · Harold Haodong Chen, Rongjin Guo, Disen Lan +22

视觉生成 arXiv 代码 HF

▲163 ★36 ❝1 2026-09-22

The Tasteful Agent: Measuring and Improving Taste in Long-Horizon Tasks

Taste-Bench 衡量 Agent 在长任务里选方向的“品味”，并探索如何提升这种决策能力。

Microsoft · Wenbo Pan, Zhichao Liu, Shujie Liu +6

智能体评测与数据 arXiv 代码 HF

▲103 ★114 ❝0 2026-09-22

SpeakerMem-R1: Speaker-Centered Dual-Track Memory for Multi-Party Dialogue

SpeakerMem-R1 以说话人为中心构建双轨记忆，解决多人对话中“谁说了什么”的记忆难题。

Zhejiang University · Haobo Zheng, Tan Tang, Yan Chen +2

智能体强化学习 arXiv 代码 HF

▲92 ★28 ❝0 2026-09-22

Disaggregated Quantization: Specializing LLM Prefill and Decode

分离式量化：为预填充和解码两个阶段分别定制计算格式与权重，兼顾速度和精度。

IST Austria Distributed Algorithms and Systems Lab · Andrei Panferov, Maximilian Kleinegger, Sweta Priyadarshi +2

高效训练与推理 arXiv 代码 HF

▲44 ❝40 2026-09-22

JEV-as-a-Judge: Accept When Confident, Escalate When Unsure

用只做决策的轻量评审模型做第一轮打分，没把握时再升级给大模型，成本仅为后者的零头。

Carnegie Mellon University · Yubo Li, Yidi Miao, Ramayya Krishnan +1

评测与数据高效训练与推理 arXiv HF

▲220 ★1.6k ❝22 2026-09-21

RRSI: Regularized Recursive Self-Improvement of Agent Harnesses

给 Agent 框架的递归自我改进加上正则化，防止只在训练任务上涨分、换分布就失效。

Google · Peng Xia, Rujun Han, Zifeng Wang +11

智能体评测与数据 arXiv 代码 HF

▲161 ★512 ❝1 2026-09-21

WorldCrafter: Consistent Video World Model with Implicit 3D-aware Memory

WorldCrafter 给视频世界模型加入可按相机视角查询的隐式 3D 记忆，长时间探索也保持一致。

ARC Lab, Tencent · Wangbo Yu, Kunhao Liu, Wenbo Hu +8

视觉生成 arXiv 代码 HF

▲104 ❝1 2026-09-21

RULER: Instance-aware Rubric Rewards for SVG Generation

RULER 用针对每条指令的多维评分细则当奖励，训练模型生成 SVG 矢量图，缓解奖励作弊。

inclusionAI · Hangyu Ran, Yuhao Zheng, Yingying Zhang +2

强化学习视觉生成 arXiv HF

▲78 ★526 ❝0 2026-09-21

GAE: Learning a Geometry-Native Latent Space for 3D-Consistent World Generation

GAE 把几何基础模型的特征重参数化成紧凑潜空间，让生成的世界在 3D 上保持一致。

ARC Lab, Tencent · Jiahao Lu, Minghao Yin, Wenbo Hu +5

视觉生成视觉理解与 3D arXiv 代码 HF

▲77 ★58 ❝0 2026-09-21

Ovis-Embedding: Pushing the Frontiers of Universal Omni-Modal Embeddings

Ovis-Embedding 基于全模态底座，把文本、图像、视频和音频编码到同一个向量空间。

ATH-MaaS · Ovis-Embedding Team

多模态 arXiv 代码 HF

▲73 ★572 ❝0 2026-09-21

GameHorizon Suite: Multi-Horizon Data and Evaluation in Gameplay

GameHorizon 提供多时间尺度的游戏数据标注和评测，衡量模型的规划和操作能力。

Tencent · Yiran Wang, Xingyilang Yin, Junfu Pu +12

评测与数据智能体 arXiv 代码 HF

▲73 ❝0 2026-09-21

VideoGen-Agent: Reinforcing Video Generation Agents

VideoGen-Agent 用多任务智能体强化学习训练视频生成智能体调用外部工具，满足需要专门知识的提示。

Princeton University · Binxu Li, Haoyi Duan, Yuhui Zhang +9

视觉生成智能体强化学习 arXiv HF

▲56 ★12 ❝2 2026-09-21

All-in-One Multilingual Scene Text Recognition with Script-aware Mixture-of-Experts

用按文字体系分路的混合专家，做一个比逐语言模型简单、比大视觉语言模型轻的多语种场景文字识别器。

Fudan University · Xingsong Ye, Yongkun Du, Jiaxin Zhang +6

视觉理解与 3D 高效训练与推理 arXiv 代码 HF

▲55 ★63 ❝0 2026-09-21

onPanda: Efficient Annotation of On-Policy Alignment Data for LLMs and Agents via Token-Level Correction

onPanda 是对齐数据标注工具：找到第一个错 token 改掉后让模型续写，低成本标注 Agent 轨迹。

StepFun · Lei Yang, Mengyin Liu, Jia Wang +9

对齐智能体 arXiv 代码 HF

▲38 ★115 ❝6 2026-09-21

Harness-Zero: Harness Distillation via Agent-as-Harness

Harness-Zero 把专用 Agent 框架带来的能力蒸馏进模型权重，换成通用框架也不掉点。

Peking University · Haoran Ye, Yuxing Lu, Haonan Dong +2

智能体高效训练与推理 arXiv 代码 HF