WEEKLY TOP 10 · 2026-10-12 → 2026-10-18 · 已定榜
本周热门论文 · 2026-W42
按 Hugging Face 每日论文的上榜周分组，在已写要点的论文中按点赞排序取前 10；完整周结束后冻结，不再改动。
-
#01▲5562026-10-15
MJev-Spatial: System One Spatial Intelligence via Native Attention Matching
MJev-Spatial 把空间理解任务改成分类式打分，比自由生成文本更快地回答方位、距离和落点问题。
多模态高效训练与推理
-
#02▲3752026-10-13
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。
多模态高效训练与推理
-
#03▲3722026-10-13
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。
大语言模型高效训练与推理
-
#04▲3642026-10-14
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。
视觉生成智能体
-
#05▲3472026-10-14
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。
智能体强化学习
-
#06▲3252026-10-15
OpenGCUA: Toward a Fully Open Stack for Generalist Computer Use
OpenGCUA 计划开源通用电脑操作 Agent 的完整技术栈，首版同时支持视觉界面和代码执行。
智能体代码与软件工程
-
#07▲3252026-10-08
DiffusionART: Efficient, Stable and Scalable Reinforcement of Diffusion Models
DiffusionART 先聚合奖励再微调扩散模型，在线强化学习更高效也更稳定。
视觉生成强化学习
-
#08▲3102026-09-30
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。
机器人与具身视觉理解与 3D
-
#09▲2702026-10-15
FDE-Gym: The Last Mile of AI Delivery
FDE-Gym 收录 95 个真实交付任务，考察 Agent 能否像驻场工程师一样澄清需求并交付可用方案。
智能体评测与数据
-
#10▲2702026-10-09
S-Space: Exploring Spatial Workspace in Multimodal Language Models
发现多模态模型内部存在线性“空间工作区”S-Space，用连续坐标编码物体位置。
多模态安全与可解释