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

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)

▲41 ★233 ❝0 2026-10-06

WorldSonus: Bringing Sound to Worlds

WorldSonus 为世界模型实时生成与画面和相机运动对齐的立体声，并支持中途指令控制。

NoizAI · Pengjun Fang, Jingyi Fa, Kam Man Wu +9

视觉生成多模态 arXiv 代码 HF

▲32 ★945 ❝0 2026-10-06

Recurrent Looped Transformer

循环 Transformer 新结构 RLT 让计算深度随序列增长，奇偶校验等任务可泛化到远超训练长度。

Princeton University · Yifan Zhang, Jichen Feng, Shihan Qin +2

大语言模型推理 arXiv 代码 HF

▲30 ★2.1k ❝0 2026-10-06

NeMo-DCR: Bit-Exact Delta-Compressed Refit for Scalable Agentic RL at Trillion-Parameter Scale

NeMo-DCR 只传输每步变化的约 1% 权重并保证比特级一致，加速万亿参数 Agent RL 的权重同步。

NVIDIA · Songlin Jiang, Zhiyu Li, Terry Kong +5

高效训练与推理强化学习 arXiv 代码 HF

▲30 ★11 ❝1 2026-10-06

Stateless Language Agents: Scaling Long-Horizon Automated Research

斯坦福“无状态语言智能体”把研究状态放到外部，解决长程自动化科研中重复劳动和停滞的问题。

Stanford University · Qizheng Zhang, Changxiu Ji, Isaac Sun +15

智能体 AI for Science arXiv 代码 HF

▲27 ★187 ❝1 2026-10-06

On KL-Regularized Policy Optimization

KLPO 把 KL 正则锚定在采样策略上，处理异步强化学习中策略过期和推理/训练概率不一致的问题。

math-ai · Yifan Zhang

强化学习大语言模型 arXiv 代码 HF

▲22 ★9 ❝0 2026-10-06

Consistent Distribution Matching for Data-Free Diffusion Distillation

提出无需数据和教师采样的扩散蒸馏方法，单个学生网络同时生成样本和估计分数，一步生成即达很低 FID。

Vector Institute · Yuxiang Fu, Qi Yan, Zike Wu +4

视觉生成高效训练与推理 arXiv 代码 HF

▲152 ❝0 2026-10-05

LoGRA: Scaling LLM Reinforcement Learning with Low-Rank Gradient Sketches

LoGRA 用低秩梯度草图压缩 RL 后训练的显存，并按预测 KL 控制步长保持稳定。

NVIDIA · Shaokun Zhang, Yifan Zhang, Jian Hu +5

强化学习高效训练与推理 arXiv HF

▲145 ❝0 2026-10-05

VepAgent: Bridging Causal-Transition via Tool-Augmented Reinforcement Learning for Video Event Prediction

VepAgent 把因果转移推理与工具增强强化学习结合，用于预测视频中接下来会发生的事件。

UCSC-VLAA · Qiutong Chen, Yuchan Guo, Zhenlong Yuan +10

多模态强化学习推理 arXiv HF

▲119 ★75 ❝0 2026-10-05

From Traces to Agentic Worlds: Agentic Language World Models for Interactive Environment Simulation

Trace2Env 不重建真实系统，而是用历史交互轨迹让一个“世界模型 Agent”扮演环境供其他 Agent 训练评测。

Nanyang Technological University Singapore · Quanyu Long, Xiao Chen, Jianda Chen +4

智能体 arXiv 代码 HF

▲46 ★46 ❝0 2026-10-05

MC-Sparse: Deconstructing and Closing the Dense-Sparse Attention Gap in Diffusion Transformers

MC-Sparse 免训练地逐个挑选 KV token 并缓存补偿，缩小扩散 Transformer 稀疏与稠密注意力的质量差。

Tencent Hunyuan · Jiarui Chen, Zeqiang Lai, Jiangshan Wang +5

视觉生成高效训练与推理 arXiv 代码 HF

▲35 ★49 ❝3 2026-10-05

Towards Looped Models Done Right, Part II: Rethinking at Fixed Points

循环语言模型的状态越接近不动点，训练、解码和强化学习都能走捷径，从而大幅省算力。

Institute of Foundation Models · Benhao Huang, Chufan Shi, Junlin Chen +4

高效训练与推理大语言模型 arXiv 代码 HF

▲28 ★6 ❝0 2026-10-05

MemPilot: Orchestrating On-Demand Multimodal Memory Curation for LLM Agents

MemPilot 用强化学习训练策略，按性能、成本和延迟偏好按需整理多模态记忆，决定检索还是交给不同模型处理。

Nanyang Technological University · Haozhen Zhang, Haodong Yue, Quanyu Long +6

智能体多模态 arXiv 代码 HF

▲24 ★4 ❝0 2026-10-05

Optimizing the Optimizer: Language Models Discover Faster Molecular Relaxation Algorithms

让语言模型 Agent 改写分子几何优化器，找到比现有最快开源方法更省力的算法。

机构待核实 · Artem Tsypin, Vladimir Deshchenya, Kuzma Khrabrov +4

AI for Science 智能体 arXiv 代码 HF

▲23 ★2.9k ❝0 2026-10-05

RealtimeWAM: One-Step Asynchronous World Action Models

RealtimeWAM 一步生成动作并异步推理，让世界-动作模型满足实时控制需求。

Nanyang Technological University · Chengtao Lv, Jinyang Du, Shuyi Feng +7

机器人与具身高效训练与推理 arXiv 代码 HF

▲174 ★364 ❝0 2026-10-04

Kandinsky 6.0 Video: Foundation Models for Synchronized Video and Audio Generation

Kandinsky 6.0 Video 能同步生成 5 秒视频和 44kHz 音频（含口型），分 3B 和 29B 两个版本。

Kandinsky Lab · Team Kandinsky, Julia Agafonova, Bulat Akhmatov +85

视觉生成多模态 arXiv 代码 HF

▲76 ★34 ❝1 2026-10-04

SearchJev: A Fast and Calibrated System-1 Model for Search Agents

SearchJev 是快速且校准良好的 System 1 模型，专门替搜索 Agent 做相关性和下一步动作的判断。

机构待核实 · Congfeng Cao, Lipeng Zuo, Konstantinos Papakostas +6

智能体高效训练与推理 arXiv 代码 HF

▲62 ★30 ❝0 2026-10-04

Memadapter: Counterfactual Adaptation Against Memory-induced Sycophancy

Memadapter 用反事实适配缓解长期记忆引发的谄媚，即使记忆本身正确也会让 Agent 迎合用户。

DEEP Group at Jilin University · Ruqing Ning, Haibo Meng, Zhishang Xiang +4

对齐智能体 arXiv 代码 HF

▲55 ★28 ❝0 2026-10-04

EVISKILL: Grounding Skill Evolution in Replayable Evidence

EVISKILL 把智能体技能演化建立在可回放的行为证据上，判断每次修改是否该保留。

DEEP Group at Jilin University · Yan Zhou, Yili Wang, Yiwei Dai +2

智能体 arXiv 代码 HF

▲21 ★619 ❝1 2026-10-04

Prism: Dynamic Sparse Attention for Native 2K Joint Video-Audio Generation Model Training

Prism 动态稀疏注意力聚焦发声区域，用于原生 2K 音视频联合生成模型的训练。

Tencent Hunyuan · Shuyuan Tu, Qi Tian, Yinming Huang +8

视觉生成高效训练与推理 arXiv 代码 HF

▲85 ❝0 2026-10-03

Questioning the Questions: Sustaining Self-Evolution in Reasoning Models

分析自进化推理模型为何会崩溃（无效题和重复题变多），并提出维持自进化的出题质量控制。

Huang's INTelligence lab · Jinyuan Li, Chengsong Huang, Langlin Huang +4

推理强化学习 arXiv HF

▲80 ★49 ❝0 2026-10-03

ALoDLM: Adaptively Looped Diffusion Language Models

ALoDLM 在扩散语言模型中按 token 难度自适应循环计算，缩小与自回归模型的质量差距。

Amazon · Liancheng Fang, Zhuowei Li, Youngeun Kim +10

大语言模型高效训练与推理 arXiv 代码 HF

▲26 ❝0 2026-10-03

Super-Resolution in The Right Latent Space: A Frozen Vision-Foundation Substrate

主张在冻结的视觉基础模型特征空间里做超分辨率，比在重建型潜空间或像素空间更合适。

RTP-LLM · Wanzhou Lei, Cuifeng Shen, Yanjin He +6

视觉理解与 3D 视觉生成 arXiv HF

▲105 ❝3 2026-10-02

Scaling Trajectories for Complex Tasks through Recursive Self-Rewrite

递归自我重写：在各种专用框架下找到成功解，再改写成通用框架下可用的训练轨迹。

Tencent Hunyuan · Zongxia Li, Yucheng Shi, Zhongzhi Li +7

智能体强化学习 arXiv HF

▲101 ★56 ❝1 2026-10-02

DuoMatching: Joint-Marginal Distribution Matching for Few-Step Video Generation

DuoMatching 同时匹配联合分布和逐帧边缘分布，提升少步视频生成的画质和语义对齐。

ByteDance · Jiahao Zhan, Yan Wang, Yongrui Ma +5

视觉生成高效训练与推理 arXiv 代码 HF

▲88 ❝0 2026-10-02

Native Action-Prior Learning from Videos for World Action Models

NAVA-WAM 直接用无动作标注的视频预训练动作策略，降低世界-动作模型对机器人标注数据的依赖。

Meta · Zhaochong An, Fei Zhang, Menglin Jia +10

机器人与具身 arXiv HF

▲47 ❝0 2026-10-02

Source Preference in the Wild: How LLM Agents Favor Items by Source, and How to Reduce It

发现 12 个 Agent 模型在购物、订酒店、引文献时都会偏好某些来源，并提出缓解方法。

Seoul National University · Jonghyun Song, Haewon Park, Jeonghoon Shim +2

对齐智能体 arXiv HF

▲34 ★178 ❝4 2026-10-02

4DCodeBench: Benchmarking Agents on Inverse Graphics of Dynamic Scenes

4DCodeBench 要求 Agent 把动态视频重建为可执行的图形程序，考察 4D 逆向图形能力。

4DCodeBench · Ruihong Shen, Žiga Kovačič, Peter Kulits +6

评测与数据代码与软件工程视觉理解与 3D arXiv 代码 HF

▲287 ❝0 2026-10-01

RealCompanion: Benchmarking Human Understanding from Reasoning over Longitudinal Real-World Conversations

RealCompanion 公开 10 段长达 120 天、共 27218 条的真实 AI 陪伴对话，检验模型对人的长期理解。

Quis Lab · Arman Behnam, Sunglyoung Kim, Jiayi Yu +2

评测与数据智能体 arXiv HF

▲238 ★228 ❝3 2026-10-01

OneStreamer: Unifying Perception, Memory, and Proactive Response in Streaming Video Interaction

OneStreamer 让流式视频模型边看边记分层字幕记忆，并在证据足够时主动回应。

Nanjing University · Xiangyu Zeng, Yuandong Yang, Zhiqiu Zhang +21

多模态 arXiv 代码 HF

▲111 ★30 ❝0 2026-10-01

Sharpening Tax in Post-Training

发现 RL 后训练在 Agent 任务上有“锐化税”：预训练模型配轻量框架，多次尝试的覆盖率反而更高。

Meta · Changdae Oh, Qi Zeng, Qi Qi +7

强化学习智能体 arXiv 代码 HF

▲107 ❝1 2026-10-01

SALD: Self-Referenced Advantage Learning for Diffusion Models

SALD 让扩散模型在两个噪声等级下自我对照打分，不需要教师模型就能获得训练信号。

Indian Institute of Technology, Kanpur · Aryan Das, Surjo Dey, Koushik Biswas +4

视觉生成 arXiv HF

▲98 ❝1 2026-10-01

World Action Modeling with Progressive Visual Planning

ProWAM 预测动作和一串稀疏的视觉子目标，比生成整段视频更高效地引导长程操作。

Meta · Fei Zhang, Zhaochong An, Duncan Frost +5

机器人与具身高效训练与推理 arXiv HF

▲92 ★62 ❝0 2026-10-01

Hierarchical Continuous Diffusion Language Models

分层连续扩散语言模型在连续状态去噪的同时约束到合法 token，改善并行解码的一致性。

University of Illinois at Urbana-Champaign · Hui Ren, Zihan Li, Chang Liu +2

大语言模型 arXiv 代码 HF

▲92 ★32 ❝1 2026-10-01

Beyond Memory: Harnessing Long-Horizon Agents with Explicit Belief States

PoS 让 Agent 显式维护“信念状态”，记录对世界的估计和未完成的需求，避免长任务中陷入错误信念。

alibaba · Yu Luo, Jiamin Jiang, Yimin Zuo +9

智能体 arXiv 代码 HF

▲89 ★34 ❝0 2026-10-01

World Observer: Joint Actor-Observer Generation for Persistent World Modeling

World Observer 在行动者视角之外同时生成全景“观察者”画面，让离开视野的物体也持续演化。

KAIST AI · Hyunwook Choi, Dahyun Chung, Hyunsung Kim +4

视觉生成 arXiv 代码 HF

▲86 ❝0 2026-10-01

ActiveSaddler: Automated Curriculum Learning for Agent Harness Optimization

微软 ActiveSaddler 让训练场景随智能体外壳一起自适应调整，实现自动课程式的外壳优化。

Microsoft · Sungho Park, Wonjoong Kim, Jue Zhang +8

智能体 arXiv HF

▲83 ★131 ❝3 2026-10-01

UniWAM: Unified World-Action Model

UniWAM 把物理推理、世界生成和动作预测统一到一个模型里，用于机器人控制。

HKUSTGZ · Wenxuan Song, Jiayi Chen, Jingbo Wang +13

机器人与具身多模态 arXiv 代码 HF

▲74 ★49 ❝3 2026-10-01

PROWBench: Do Video Models Render What the Program Specifies?

PROWBench 检验视频模型是否按程序指定的世界事件准确渲染，面向下一代游戏引擎。

Alaya Lab · Zheng-Hui Huang, Guixu Lin, Yu-Ju Tsai +6

视觉生成评测与数据 arXiv 代码 HF

▲72 ★104 ❝0 2026-10-01

Rethinking World-Action Model for Compositional and In-Context Robotic Manipulation

ViGAR 把长程操作拆成“视觉子目标规划 + 子目标执行”，提升组合式和上下文学习式机器人操作。

DAGroup-PKU · Shukai Gong, Xuanran Zhai, Yintianrun Zhang +16

机器人与具身推理 arXiv 代码 HF

▲63 ★11 ❝0 2026-10-01

AutoGUIWorld: Image Generators as Visual World Models for GUI Agent

AutoGUIWorld 用图像生成模型充当 GUI 的视觉世界模型，合成多样的界面交互轨迹。

Tencent Hunyuan · Cheng Yang, Yifan Wu, Yutao Huang +18

智能体视觉生成 arXiv 代码 HF

▲63 ★75 ❝0 2026-10-01

VeriHarness: Scaling Agentic Verification for Long-Horizon Tasks

VeriHarness 把基础模型变成验证 Agent，利用多次采样间的分歧找出可信结论，无需参考答案。

Google · Caiqi Zhang, Rujun Han, Zifeng Wang +4

智能体推理 arXiv 代码 HF

▲60 ★24 ❝0 2026-10-01

Spatial Memory Intelligence: Endowing World Models with Understanding-Driven Long-Term Memory

用多模态大模型的空间理解来管理长期记忆，让世界模型在长视频生成中保持空间一致。

机构待核实 · Ying Yang, Guiyu Zhang, Lianghua Huang +5

视觉生成多模态 arXiv 代码 HF

▲60 ★26 ❝0 2026-10-01

EditHero: A Benchmark for Long-Horizon Part-Level 3D Editing and Vibe Modeling

EditHero 是首个长程、部件级 3D 编辑基准，检验连续多次修改时能否只改指定部分。

机构待核实 · Ruihan Yu, Yu-Ju Tsai, Muyao Niu +9

视觉理解与 3D 评测与数据 arXiv 代码 HF

▲56 ★21 ❝0 2026-10-01

SimuVerity: Benchmarking Agents for Engineering-Grade Simulink Model Generation

SimuVerity 用 101 个任务检验智能体生成的 Simulink 模型是否满足工程需求，而不只是能运行。

Xi'an Jiaotong University · Ruiqi Zhang, Jiahao Wang, Mingxuan Li +9

智能体评测与数据代码与软件工程 arXiv 代码 HF

▲52 ★51 ❝5 2026-10-01

Fewer Tokens, Better Action: GPT-6 Astra Robot Agents with 14% Higher Success Rate but 65% Fewer Tokens

让机器人 Agent 把动作原语组合成可本地重试的 Python 代码块，成功率更高、token 用量更少。

DAGroup-PKU · Ruiyang Si, Jianxin Bi, Shunyu Yang +12

机器人与具身智能体高效训练与推理 arXiv 代码 HF

▲47 ★164 ❝0 2026-10-01

Science Utopia? Closed-Loop LLM Simulation of Academic Research Ecosystems

SciUtopia 用大模型 Agent 闭环模拟学术生态：选题、合作、投稿、评审、引用和资助。

Georgia Institute of Technology · Yiqiao Jin, Yiyang Wang, Lucheng Fu +8

智能体 AI for Science arXiv 代码 HF

▲39 ★28 ❝1 2026-10-01

4Director: Controlling Video World Models with Rigid 3D Geometry

Stability AI 的 4Director 用刚体网格加逐帧变换的 4D 场景，精确控制视频世界模型的镜头与物体运动。

Stability AI · Wei Cao, Hao Zhang, Vikram Voleti +5

视觉生成 arXiv 代码 HF

▲38 ★10 ❝0 2026-10-01

Selection-Based Structured Reasoning: Toward Efficient Multimodal Search Agents

SSR 让小模型从预设推理候选中“选择”而不是自由生成，降低多模态搜索 Agent 的推理成本。

Carnegie Mellon University · Feiyu Gavin Zhu, Xiaoyu Zhu, Jiqi Yang +9

推理高效训练与推理智能体 arXiv 代码 HF