ARCHIVE · 2026-10 · 198 PAPERS · PAGE 2/4

2026-10 论文

2026-10 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 83视觉生成 50高效训练与推理 45评测与数据 40强化学习 31多模态 28机器人与具身 26大语言模型 20推理 18代码与软件工程 15视觉理解与 3D 14AI for Science 9安全与可解释 7对齐 2

机构前 5：alibaba (5) · Tencent Hunyuan (5) · NVIDIA (4) · Nanyang Technological University (4) · Qwen (4)

▲110 ★23 ❝0 2026-10-15

Behavioral Compositionality of Sparse Autoencoder Representations

提出 SAR 指标，衡量稀疏自编码器特征在下游行为上能否“相加组合”，服务可解释性研究。

OpenSAE · Haotian Ma, Ziye Mei, Frederic Sala

安全与可解释 arXiv 代码 HF

▲93 ★21 ❝0 2026-10-15

Speculative Forcing for Efficient Autoregressive Video Generation

推测式强制把中间去噪结果当草稿，提前接受已收敛的 token，加速自回归视频生成。

NAVER AI Lab · Hyunwook Choi, Seungryong Kim, Dongyoon Han +1

视觉生成高效训练与推理 arXiv 代码 HF

▲86 ★4 ❝0 2026-10-15

SCOPE: Semantic Bounded Credit Optimization for Prompt Engineering in Text-to-image Generation

SCOPE 基于 GRPO，按语义片段而非单个子词分配奖励，训练文生图提示词改写模型。

University of Rochester · Yufei Jiao, Jinfa Huang, Zeyue Xue +5

强化学习视觉生成 arXiv 代码 HF

▲64 ★22 ❝0 2026-10-15

VLA-$Δ$: Learning Physical State Transition for Vision-Language-Action Models

VLA-Δ 显式监督物理状态的变化，减少视觉-语言-动作模型对“观察→动作”对应关系的过拟合。

ZJU-OmniAI · Qi Lu, Jiarun Li, Ce Zhang +5

机器人与具身 arXiv 代码 HF

▲62 ★36 ❝0 2026-10-15

Mosaic: Multi-Session Agentic Reinforcement Learning

Mosaic 把智能体强化学习扩展到多会话轨迹，匹配上下文压缩和子智能体分叉等真实推理方式。

LARK Lab@HKUST (GZ) · Yilong Xu, Minrui Xu, Xinyu Zhou +3

强化学习智能体 arXiv 代码 HF

▲55 ★6 ❝0 2026-10-15

Lexical Reference Frames: Interpreting LM Residual Streams in Native Semantics

提出“词汇参照系”，借模型自身后续层读出中间隐藏状态的含义，比 logit lens 等方法更忠实。

机构待核实 · Jian Gu, Hongyu Zhang, Chunyang Chen +1

安全与可解释大语言模型 arXiv 代码 HF

▲53 ★4 ❝0 2026-10-15

From Research Goals to Scientific Closure: Evaluating Agents Through Evidence-Supported Physics Research

PhysClosureBench 用 50 个专家验证的物理研究任务，评估 Agent 能否组织研究并得出有证据支撑的结论。

Shanghai AI Laboratory · Yijia Mao, Song Dai, Tao Chen +14

AI for Science 智能体评测与数据 arXiv 代码 HF

▲41 ★14 ❝0 2026-10-15

AutoSFT: An Agentic System for Automated Data Research in Supervised Fine-Tuning

清华 AutoSFT 给智能体一整套数据操作（配比、剪枝、修复、合成），自动做监督微调的数据研究。

Tsinghua NLP Group · Bingxiang He, Pengqi Sun, Shihao Peng +18

智能体大语言模型 arXiv 代码 HF

▲34 ★14 ❝0 2026-10-15

Can Visual Generation Expand What Unified Multimodal Models Know?

用受控实验检验统一多模态模型能否通过学画图获得新知识并用文字答出，发现存在迁移但不均衡。

Z.ai · Wenkai Li, Wenyi Hong, Zhuoyi Yang +1

多模态 arXiv 代码 HF

▲25 ★826 ❝0 2026-10-15

Intern-Decision: Efficient Multimodal Decision Making with Autoregressive Masked Language Modeling

Intern-Decision 系列小模型直接输出结构化选项及其概率，替代逐字生成，让智能体决策更快。

Intern Large Models · Tong Zhu, Zhe Xu, Zefeng He +7

多模态智能体高效训练与推理 arXiv 代码 HF

▲602 ★7 ❝0 2026-10-14

LEV: Thinking Fast and Deep with Looped Decision Models

LEV 让决策模型通过循环重跑网络层来“想得更深”，不必生成推理文字。

机构待核实 · Dingjie Song, Zhiling Yan, Yuxuan Zhang +1

推理高效训练与推理 arXiv 代码 HF

▲490 ★30 ❝0 2026-10-14

BizAgentBench: Unveiling Hidden Challenges in Deploying Long-Horizon Agents for Real-World Business

BizBench 基于真实支付业务流程，检验长任务 Agent 在执行中途是否违反政策与约束。

ant-international · Enhan Zhao, Yongqi Tong, Xuejun Yu +6

智能体评测与数据 arXiv 代码 HF

▲364 ★312 ❝0 2026-10-14

Any Time, Any Space: A World-State-Centric Framework for Agentic Video Generation

ATAS 用场景记忆和事件记忆把剧本编译成镜头，让长视频在时空上前后一致。

Zhejiang University · Weijie Wang, Haomin Zhang, Ye Li +7

视觉生成智能体 arXiv 代码 HF

▲348 ★187 ❝0 2026-10-14

Player-1: Learning to Play from Synthetic Experience

Player-1 用合成交互经验做后训练，让电脑操作型 Agent 学会玩游戏。

ARC Lab, Tencent · Mingyu Ouyang, Yiran Wang, Siyuan Hu +9

智能体强化学习 arXiv 代码 HF

▲149 ★38 ❝0 2026-10-14

MAI-Gym: An Open All-in-One Platform for GUI Agent Evaluation and RL Training across Mobile and Computer Environments

MAI-Gym 是开源 GUI Agent 一体化平台，统一评测、数据采集和在线 RL，最多可并行 2 万个环境。

Tongyi-MAI · Panrong Tong, Quyu Kong, Pengxiang Li +12

智能体强化学习评测与数据 arXiv 代码 HF

▲131 ★523 ❝0 2026-10-14

InfiniSplat v2: Analyzing and Improving Feed-Forward 3DGS from Any Views

InfiniSplat v2 分析并改进前馈式 3D 高斯重建，在大视角变化下渲染质量更高。

zju3dv · Yongzhen Hu, Hao Yu, Jiawei Wang +7

视觉生成视觉理解与 3D arXiv 代码 HF

▲110 ★113 ❝0 2026-10-14

Doc2Harness: Benchmarking LLMs on Long-Horizon Harness Engineering of Coding Agents

Doc2Harness 直接评测大模型能否按开发文档从零搭建长任务编程 Agent 的执行框架。

Institute of Computing Technology · Yuyao Ge, Shenghua Liu, Peizhong Gao +8

智能体评测与数据代码与软件工程 arXiv 代码 HF

▲92 ★83 ❝0 2026-10-14

More Methods, Better Agents? A Reality Check on Self-Distillation in Agentic Reinforcement Learning

在统一条件下对比十种 Agent 强化学习自蒸馏方法与 GRPO，检查它们的真实收益和成本。

Zhejiang University · Linhao Zhong, Bozhen Fang, Xuehao Wang +7

智能体强化学习评测与数据 arXiv 代码 HF

▲91 ★4 ❝0 2026-10-14

Recovering Reliable Supervision via Critique-Guided On-Policy Distillation

CriticOPD 在在线蒸馏中先让教师点评学生的错误再改写，解决教师跟着学生错下去的问题。

机构待核实 · Kaixiang Zhao, Tianrun Yu, Shangzhe Li +4

高效训练与推理推理 arXiv 代码 HF

▲84 ★10 ❝0 2026-10-14

Speculative Sampling in Interactive Video Generation

交互式视频生成中的“推测采样”：用大窗口预测并缓存结果，兼顾画质与低延迟。

university of science and technology of china · Yubo Huang, Yuxuan Zhang, Jiaming Liu +2

视觉生成高效训练与推理 arXiv 代码 HF

▲82 ★13 ❝0 2026-10-14

LatentLoop: Scaling Looped MoE Models with Asymmetric Compute Allocation

LatentLoop 发现循环 MoE 中两次循环作用不对称，据此非对称分配算力以提升效果。

机构待核实 · Zefeng He, Yunkai Chai, Xiaoyang Chen +5

高效训练与推理 arXiv 代码 HF

▲73 ❝0 2026-10-14

Cortex: Consolidating Context into Parametric Memory

Cortex 借鉴生物记忆巩固，把上下文带来的能力提升内化进模型参数，移除上下文后仍保留。

ByteDance Seed · Jintian Zhang, Feng He, Xinnian Liang +5

大语言模型高效训练与推理 arXiv HF

▲64 ★20 ❝0 2026-10-14

ActionOPD: Distilling Decisions, Not Tokens

ActionOPD 以“动作”而不是 token 为单位做在线蒸馏，把大模型 Agent 的决策能力迁移给小模型。

Tsinghua-NICS-EFC · Huining Yuan, Xiangmin Yi, Zelai Xu +5

智能体高效训练与推理 arXiv 代码 HF

▲55 ★37 ❝0 2026-10-14

Seeing, Maintaining, and Learning: The Evolution of Multimodal Agent Memory

综述多模态智能体记忆机制的演进：从感知、维护到可学习的记忆管理。

Fudan University · Minghao Guo, Qingyue Jiao, Xiujin Liu +77

多模态智能体 arXiv 代码 HF

▲51 ★81 ❝0 2026-10-14

Intern Lumina U2: A Multi-Codebook Diffusion Large Language Model for Omni-Visual Understanding and Image Generation

Intern Lumina U2 用多码本扩散大模型在同一空间里统一视觉理解和图像生成。

Shanghai AI Laboratory · Qian Yu, Zongyang Qiu, Juncheng Yan +40

多模态视觉生成 arXiv 代码 HF

▲43 ★48 ❝1 2026-10-14

Orbia: Do Generated Videos Form a Consistent 3D World?

Orbia 是首个系统评测交互式世界模型 3D 一致性的基准，检查回访时场景是否保持不变。

Tencent · Dongyue Lu, Guian Fang, Hur Lim +20

视觉生成评测与数据 arXiv 代码 HF

▲43 ★111 ❝0 2026-10-14

Towards Agentic Robots: Model, Data, Environment, and Harness

“Agent 化机器人”综述，从模型、数据、环境和执行框架四方面梳理这一新范式。

机构待核实 · Chonghan Qin, Dongming Wu, Kaituo Feng +13

机器人与具身智能体 arXiv 代码 HF

▲37 ★86 ❝0 2026-10-14

DeltaStreamer: Towards Human-Like Agentic Streaming Video Understanding

DeltaStreamer 模仿人类观察方式，结合变化感知记忆和按需回放，理解流式视频。

ByteDance · Boyuan Sun, Deshui Miao, Wenzhao Gao +8

多模态智能体 arXiv 代码 HF

▲34 ❝0 2026-10-14

Interlock: From Local Correctness to Task Completion in Long-Horizon Agents

Interlock 把任务表示为“完成图”，合成能检查各环节是否真正闭环的长程智能体任务和评分规则。

LongCat · Linji Hao, Yanji He, Zihan Wang +6

智能体评测与数据 arXiv HF

▲25 ★185 ❝0 2026-10-14

BlenderWorld: Benchmarking Visual Agents for 3D Creation from Real-World References

Qwen 的 BlenderWorld 基准测视觉智能体能否照真实参考图在 Blender 中创建和编辑 3D 内容。

Qwen · Xinyu Fang, Yuchi Wang, Weihao Yu +12

评测与数据智能体多模态 arXiv 代码 HF

▲375 ★210 ❝1 2026-10-13

VideoJev: System One Model for Video Understanding and Interaction

VideoJev 把视频理解改成对时间段和选项直接打分，统一时序定位和视频问答。

Multimedia Computing Group-Nanjing University · Yuhan Zhu, Xiangyu Zeng, Qingyi Si +15

多模态高效训练与推理 arXiv 代码 HF

▲371 ★115 ❝2 2026-10-13

Jeva: System One Models from First Principles

提出“决策原生”的 System 1 模型 Jeva：直接给候选项打分，而不是逐字生成答案，更快且可缓存。

National University of Singapore · Qi Li, Xinchao Wang

大语言模型高效训练与推理 arXiv 代码 HF

▲217 ★297 ❝0 2026-10-13

Self-Evolving Agent Harness

给 Agent 框架的自我演化建立形式化理论，并给出泛化和保持性的理论界。

ZGCAGI · Chuyang Wei, Haoxiang Guan, Minghang Zhu +5

智能体 arXiv 代码 HF

▲214 ★234 ❝0 2026-10-13

Agent-Reflex: Teaching Language Agents to Act Reflectively

Agent-Reflex 分三阶段训练，让 Agent 在工具反馈有噪声或用户纠错时主动反思并恢复。

NLPIR Lab @ RUC · Guanting Dong, Xinyu Yang, Jiajie Jin +9

智能体强化学习 arXiv 代码 HF

▲206 ★6 ❝0 2026-10-13

RoTA-Bench: Evaluating 3D Spatial Reasoning through Interactive Projection Alignment

RoTA-Bench 通过交互式旋转物体对齐剪影，评测视觉语言模型的 3D 空间推理。

MAC-AutoML · Qingchuan Ma, Yuexiao Ma, Xiang Meng +7

多模态评测与数据推理 arXiv 代码 HF

▲155 ★19 ❝0 2026-10-13

Into the Unknown: Benchmarking AI agents on open scientific research problems

Into the Unknown 让 Agent 针对美国国家实验室科学家提供的未发表方向写续作论文，评测开放科研能力。

Carnegie Mellon University · Seungone Kim, Jiayi Geng, Young-Jun Lee +25

智能体 AI for Science 评测与数据 arXiv 代码 HF

▲137 ★114 ❝0 2026-10-13

AesCode: Aesthetic Code Generation with Decoupled Cross-Modal Rewards

AesCode 以同提示生成的图片做审美参考，用解耦的跨模态奖励训练模型写出更好看的幻灯片和海报代码。

Microsoft · Xin Gao, Yifan Yang, Xin Li +13

代码与软件工程视觉生成强化学习 arXiv 代码 HF

▲133 ★105 ❝0 2026-10-13

Urbex: Agentic Spatial Grounding for City-Scale 3D Scenes

Urbex 让视觉语言 Agent 在城市级 3D 场景中主动搜索、缩放、换视角来定位目标，并用强化学习优化。

alibaba · Yu Wang, Rui Dai, Wei Chen +5

智能体视觉理解与 3D 强化学习 arXiv 代码 HF

▲118 ★5 ❝0 2026-10-13

Pack Light, CarryOn: Building Object-Oriented Context for Long-Horizon Agents

CarryOn 以可复用的“任务对象”组织长程 Agent 的上下文，而不是反复读历史记录。

McAuley-Lab · Yuchen Lu, Julian McAuley, Lei Zhang

智能体高效训练与推理 arXiv 代码 HF

▲110 ★6 ❝0 2026-10-13

GreenWAM: A World Foundation Model for Robotics

GreenWAM 是机器人世界基础模型，用统一关节动作空间覆盖 20 类机器人，同时充当世界模型和策略。

Sber Robotics Center · Gennady Sidorov, Valerii Kornilov, Denis Grankin +2

机器人与具身 arXiv 代码 HF

▲85 ★4 ❝0 2026-10-13

WorkRover: Scaling Long-Horizon Cowork Agent Training Via Recursive Environment Evolution

WorkRover 通过递归演化训练环境与验证器，扩展长程“协作办公”智能体的强化学习训练。

Nex AGI · Hang He, Linting Wang, Guanming Liu +14

智能体强化学习 arXiv 代码 HF

▲79 ★3 ❝0 2026-10-13

Many Right Answers, One Training Example: Removing Responder Noise from GRPO for LLM Recommenders

ReMaRk 让大模型推荐器的 GRPO 训练对所有回复的并集打分，消除随机抽一个回复带来的噪声。

Nanyang Technological University · Xin Li, Hao Jiang, Jinghao Guo +2

强化学习大语言模型 arXiv 代码 HF

▲60 ★135 ❝0 2026-10-13

OmniCompass: A Holistic Benchmark for Omni-Modal Video Grounding and Understanding

OmniCompass 分视觉和音视频两条赛道，全面评测模型的视频定位与理解能力。

VCLab · Xuyang Liu, Shihao Wang, Xinyu Wei +5

多模态评测与数据 arXiv 代码 HF

▲52 ★103 ❝0 2026-10-13

LensErase: A Foundation Model for Erase Anything

LensErase 是通用“擦除一切”模型，基于 1 亿对数据训练，可移除物体、文字、水印及其影子等效果。

Microsoft · Yunuo Chen, Xiuyu Wu, Qinhong Yang +11

视觉生成 arXiv 代码 HF

▲41 ★123 ❝0 2026-10-13

FlashVSR+: Efficient Video Super-Resolution via Hybrid Attention and Reward-Yield Distribution Matching

FlashVSR+ 用混合注意力和偏好对齐的分布匹配，让一步式视频超分辨率更快、更符合人眼偏好。

MMLab-CUHK · Ruchang Yao, Shi Guo, Junhao Zhuang +7

视觉生成高效训练与推理 arXiv 代码 HF

▲38 ★386 ❝0 2026-10-13

Hybrid Reasoning Agents

混合推理 Agent 在潜空间推理和文本交互之间动态切换，兼顾效率与工具调用。

Stanford University · Jiaru Zou, Yunzhe Qi, Sirui Chen +5

推理智能体 arXiv 代码 HF

▲29 ★19 ❝0 2026-10-13

Open-o3-Video-v2: Seek, Ground, and Reason with Verifiable Spatio-Temporal Evidence

Open-o3-Video-v2 让模型在视频推理中主动补看画面，并把时间点和物体框写入推理过程作为可验证证据。

Peking University · Jiahao Meng, Zhongyuan Bao, Yue Tan +7

多模态推理智能体 arXiv 代码 HF

▲96 ★21 ❝0 2026-10-12

TPPO: Tracking-Value PPO For Language Model Reasoning

TPPO 用累加式价值参数化追踪推理过程中的价值变化，改进 PPO 的逐 token 信用分配。

机构待核实 · Futing Wang, Chenxi Li, Jianhao Yan +6

强化学习推理 arXiv 代码 HF

▲79 ❝0 2026-10-12

X-Ragent: Tool-Augmented Reinforcement Learning for Evidence-Grounded Chest X-Ray Reasoning

X-Ragent 用工具增强强化学习训练胸片推理，学会何时调用辅助证据、过滤不适用的量化证据。

Carnegie Mellon University · Yi Wang, Zhenlong Yuan, Yuchan Guo +9

强化学习推理 AI for Science arXiv HF

▲74 ★100 ❝0 2026-10-12

Multics: Generative Multi-Player World Model with Hierarchical Communication

Multics 用玩家-小组-全局的分层通信生成多人互动世界视频，玩家变多时开销可控。

ARC Lab, Tencent · Kaiyi Huang, Wangbo Yu, Yukun Huang +6

视觉生成 arXiv 代码 HF