Rethinking Cross-Tokenizer OPD
这项研究重新审视跨分词器在线策略蒸馏：三组异构模型中，严格一对一位置已覆盖大多数学生 token，共享词表也承载近乎全部概率质量；学生侧 top-16 支持即可保留至少 96% 的蒸馏增益，而补齐错配跨度监督反而因梯度弱对齐而降低准确率。
进入阅读 →研究档案
292 篇研究报告与论文解读
2026年10月
5 篇-
Kandinsky 6.0 Video 用双流 CrossDiT 联合生成五秒视频与 44 kHz 音频，并以分阶段预训练、SFT、强化学习和两级蒸馏改善唇形同步与推理效率。论文开放 3B/29B 权重和代码，但原生分辨率、时长、消费级延迟及与顶尖闭源系统的差距仍限制实际部署。
-
RealCompanion 以十段最长 120 天的真实人机陪伴关系检验长期记忆：历史仅在少数消息中必要，却常相隔数千轮；现有系统既难判断何时应回忆，也容易把额外上下文误当成必须使用的记忆，并由此重估个性化基准。
-
OneStreamer 将流式视频中的看、记、答统一为主动生成过程，以分层字幕记忆保存离开视觉窗口的证据，并用状态转移选择监督学习何时响应。4B 模型在八项在线理解基准上取得对比方法最佳汇总成绩，同时显著压缩长视频上下文与首字延迟。
-
RIDE 将强化学习教师相对基础模型的逐层隐藏状态残差视为可继续前进的方向，在学生自身轨迹上越过教师构造回归目标，以更低采样噪声实现稳定的同初始化在策略蒸馏。四组数学推理模型实验显示其均值达到或略超教师，并揭示输出头衰减与采样方差为何让概率空间外推失稳。
-
Raven 将模型与工具、记忆和执行策略组成可组合的智能单元，以宿主代理编排异构专家，并通过可演化 harness、长期记忆与技能复用扩展复杂任务覆盖范围。
2026年9月
22 篇-
深入解析 Active Taskless Distillation 如何从同源教师对无关文本的一词选择中读取后训练“行为阴影”，并在 HumanEval+ 上迁移部分编码能力；同时审视近边界查询、严密对照、跨任务证据、同祖先依赖、低带宽边界及其对模型蒸馏、能力审计与黑盒隐私的影响。
-
深入解析 FuseReg 如何用归一化随机层子集训练缓解表征自编码器的重建—生成冲突，梳理其均值保持与跨层分歧正则理论、ImageNet-256 实验结果，并审视单数据集、短训练预算及线性代理分析的证据边界。
-
深入解析 WROP 如何把发展心理学中的客体永久性与实体性转化为 150 个 Blender 任务、150 万训练样本和 300 题评测，并以 PWM-WROP 验证认知原则驱动的合成数据能否改善视频世界模型，同时审视同生成器评测、接口差异与人工 Elo 的证据边界。
-
深入解析 SpeakerMem-R1 如何以保留说话者归属的原文轨道和个人/群组结构化状态轨道，重建多人长期对话中的关系与时间状态，并通过 SpeakerLevenshtein 和 GRPO 训练本地 3B Writer，同时审视评测增益、检索预算与泛化边界。
-
深入解析 The Tasteful Agent 如何从软件工程与 AI 研究轨迹中自动挖掘决策分叉，构建 Taste-Bench 衡量长程判断，并以带后见信息的教师蒸馏提升未见任务决策与端到端成功率，同时审视结果归因、任务特定建议和跨领域泛化边界。
-
深入解析 RRSI 如何用退火编辑预算、跨轮证据记账、泄漏审查、噪声门槛与成本约束，抑制智能体 harness 递归自改进对固定评测集的过拟合，并审视其跨基准迁移证据、计算代价、长期部署治理边界与复现风险。
-
深入解析 CodeMidas 如何只以源码为任务特定输入，把已实现功能转化为 5,545 个可执行编码强化学习环境；结合五项外部基准、数据质量消融与轨迹行为分析，审视其可扩展性、验证可靠性及工程边界。
-
深入解析 DeepSeek-V4.1-Flash 如何以 CED、CSA2、FP4 KV 与 SWA Bounded Replay 联合压缩百万上下文推理成本，并结合预训练、Agent 强化学习、完整评测与作者披露的鲁棒性边界，审视其工程价值与证据局限。
-
深入解析 ComposeCL 如何组合生成式回放、自蒸馏、参数重要性约束与 merged LoRA，在三个 100 任务序列上将平均最终记忆保持率从 1.2% 提升至 34.9%；结合析因实验、记忆半衰期与通用能力评测，审视组合式持续学习的收益、代价与适用边界。
-
深入解析 Vidu S2 如何以 Self-Replay Forcing、帧对齐注意力、动态参考图像与系统级推理优化，将数字人生成和视频编辑推进到 720p、25–42 FPS 的实时流式范式；结合五组公开评测、人类偏好实验与空间视频案例，审视其证据边界、工程价值及部署风险。
-
深入解析 DataFlex-RL 如何在统一 GRPO 配方下比较 RLVR 的样本选择、损失重加权与领域混合策略；结合 591 次训练、12 个匹配随机种子、跨模型复核与评测敏感性实验，审视均匀采样基线、负结果的统计含义及可复现研究价值。
-
深入解析 NCP-ArchPreview 如何在标准自回归语言模型中联合训练下一词元与下一概念预测，并以乘积量化、概念模块和分层残差提升万亿词元预训练效率；结合匹配基线、领域适配和推测解码实验，审视其收益、成本与证据边界。
-
深入解析 Show-Harness 如何以离散语义动作、具身解释器和可插拔闭环，让前沿 VLM 零样本控制机器人，并用少量示范微调 2B 模型；结合真实机器人、跨环境、跨本体和消融实验，审视其泛化证据、安全边界与工程价值。
-
深入解析 Uno 如何以轻量扩散 LoRA 和 Ψ-Spec 验证采样，在保持自回归目标分布的同时并行生成多 token，并从训练目标、采样策略、并发吞吐、RL rollout、复现条件与跨模型比较边界审视其真实价值。
-
以受控实验与成对轨迹对比，系统解析 LLM 智能体技能的作用机制、失效模式与检索瓶颈的研究笔记。
-
深入解析 Bilevel Coordinated Reflection 如何用双层博弈刻画多智能体分工，以环境验证器筛选反思记忆，并从收敛条件、SWE-bench 结果、评测边界与工程落地审视 SRMA 的价值。
-
深入解析 Compile by Training 如何让教师模型合成监督数据，以 PAW 预测为热启动，在共享 Qwen3-0.6B 解释器上训练 LoRA 神经函数；复核 FuzzyBench-Hard 的 83.6% 语义准确率、约一分钟编译延迟，以及本地执行、组合部署、教师偏差和评测外推边界。
-
深入解析 Compile by Training 如何用教师模型合成监督数据、微调 0.6B 本地解释器的 LoRA 程序，并从语义正确率、分钟级编译、应用案例、评测边界与高频模糊文本函数的采用条件审视其工程价值。
-
深入解析 Repo-To-Skill 如何把 GitHub 仓库与论文中的声明性知识蒸馏为可验证技能图，构建 DisCo 与 AREX-Skill 操作知识层，并从四项代理研究基准审视收益、构建成本、检索负迁移与跨模型泛化边界。
-
深入解析 StudentSim 如何通过跨学生池化训练与个体 LoRA 专门化，在国际象棋、二语写作和数学中同时提升行为忠实度与指导响应性，并审视 StudentSimEval、导师强化学习证据、合成指导依赖及真实学习迁移边界。
-
基于 Hugging Face Daily Papers 2026-09-01 榜首论文，深入解析 OPSA 如何以低概率 token 与位置熵构造无教师的负优势信号，重新解释 On-Policy Distillation 的增益来源，并审视其数学推理收益、分布重塑机制、算力代价与外推边界。
-
基于 Hugging Face Daily Papers 2026-08-31 榜首论文，深入解析 LoopArena 如何固定 coding Worker、以 Controller—Reporter—Loop Contract 三层协议评测长程编程智能体的运行时控制能力，并审视其三档基准、成本收益、评分敏感性与工程适用边界。
2026年8月
24 篇-
基于 Hugging Face Daily Papers 2026-08-28 榜首论文，深入解析 AWoMo 如何把游戏开发变成可验证的世界模型训练数据引擎，以游戏引擎密集检查、开发者验收和完整修复轨迹构成 RLHEV，并审视其 Unity 实验、跨引擎迁移、具身增益与证据边界。
-
基于 Hugging Face Daily Papers 2026-08-27 榜首论文，深入解析 VoiceMem 如何用事实左脑、情感人格右脑、流式检索与记忆感知语音模型训练，在 Top-5 预算下兼顾长期记忆准确率、个性化与实时交互，并审视其评测边界、隐私风险和部署条件。
-
基于 Hugging Face Daily Papers 2026-08-26 榜首论文，深入解析 GigaBrain-0.7 如何用三系统架构、3.7 万小时异构具身数据、统一多形态预训练与经验强化学习构建通用机器人基础模型，并审视其实验收益与证据边界。
-
基于 Hugging Face Daily Papers 2026-08-25 榜首论文，深入解析 Apodex 1.1 如何通过可执行环境扩展、异步多智能体协作、AgentOS 持久状态与 PIVOT-RL 提升复杂工作的可验证交付能力，并审视其评测证据与系统边界。
-
基于 Hugging Face Daily Papers 2026-08-24 榜首论文，深入解析如何用 MoE 版 μP 完成跨宽度学习率迁移，再以 token 维度缩放律外推 10T token 训练配置，并审视其证据边界与工程价值。
-
基于 Hugging Face Daily Papers 2026-08-21 榜首论文，深入解析 EnvHarness 如何以 Stage、Contract、Chain 包装静态环境，并由 EnvRigger 针对智能体弱点生成训练信号；同时审视五个基准、技能学习与强化学习结果、扩展成本、可复位接口假设及真实部署边界。
-
基于 Hugging Face Daily Papers 2026-08-20 榜首论文，深入解析 SemComp-Bench 如何把视频生成评测从“看起来真实”推进到“真正完成任务”，并审视其 1,273 条数据、双指标 VLM 裁判、模型对比、参考图条件效应与证据局限。
-
基于 Hugging Face Daily Papers 2026-08-19 榜首论文，深入解析 Agent Skills 为何主要通过程序性锚定而非知识注入改善智能体执行，并审视其配对轨迹分类、跨框架迁移、技能检索瓶颈、成本收益与证据边界。
-
基于 Hugging Face Daily Papers 2026-08-18 榜首论文，深入解析 StateM 如何用持久状态、可检查转移与版本化实践扩展智能体 harness，并审视其 Terminal-Bench 2.1 成绩、跨模型迁移、成本口径和评测边界。
-
基于 Hugging Face Daily Papers 2026-08-17 榜首论文，深入解析 RA-Bench 如何用真实危机视频锚定生成样本，系统检验传统检测器、多模态模型、人类判断与社交传播链，并审视跨生成器失效、协议捷径、数据授权和真实部署边界。
-
基于 Hugging Face Daily Papers 2026-08-14 榜首论文，深入解析 Alaya-EVOKE 如何以相机索引几何记忆、线性扩展的长程教师和三步无 CFG 学生实现有界成本的长时交互式世界生成，并审视其基准成绩、延迟口径、记忆边界与现实应用限制。
-
基于 Hugging Face Daily Papers 2026-08-14 榜首论文，深入解析 LLMRouter 如何统一单轮、多轮与个性化模型路由，并以 xRouteBench 比较质量、成本、真实用户偏好及多智能体部署。
-
基于 Hugging Face Daily Papers 2026-08-13 榜首论文，深入解析 OpenART 如何用持续环境演化和 EMHA 测试长程智能体安全，并从 10K 场景、75 种配置、攻击传播、运行时差异及证据边界审视其价值。
-
基于 Hugging Face Daily Papers 2026-08-12 榜首论文，深入解析 ComBodied Agents 如何把人的长期状态与能动性设为智能体核心对象，并从闭环架构、个人世界模型、边缘部署、评价体系与治理风险审视这一研究范式的价值和证据边界。
-
基于 Hugging Face Daily Papers 2026-08-11 榜首论文，深入解析 BDH-CQ 如何用递归记忆完成上下文学习、在连续潜空间迭代推理，并结合 ARC-AGI-1 成本前沿、ConceptARC 与受控实验审视其组合能力、复现条件和适用边界。
-
基于 Hugging Face Daily Papers 2026-08-10 榜首论文，深入解析多任务后训练中 SFT 冲突与 RL 共存的参数几何、梯度干扰上界和 Parallel-RL，并结合四类推理任务、两种模型规模、PPO/GRPO 消融审视结论的适用边界。
-
Cloudflare 推出 Kitesurf，一个专为 AI 代理设计的全新浏览器，运行于 Workers 之上，具有优化的资源效率和可扩展性。
-
基于 Hugging Face Daily Papers 2026-08-07 榜首论文，深入解析 AgentOPSD 如何把特权自蒸馏的 token 级概率差聚合为 turn 级证据，并通过递归贝叶斯信念修订重塑 GRPO 优势；同时审视三类智能体环境实验、关键消融、计算开销与可迁移性边界。
-
基于 Hugging Face Daily Papers 2026-08-05 榜首论文，深入解读 MerchantBench 如何用 365 天订单级电商仿真、真实需求轨迹、异步风险反馈与 26 项工具评测智能体的长期一致性，并审视其人类差距、框架效应、复现边界与部署启示。
-
基于 Hugging Face Daily Papers 2026-08-04 榜首论文，深入解读 SwanTale 如何以 7000 万条多层字幕、SwanVAE、动态 MoE、课程学习与 GRPO，在同一模型中统一多说话人指令式和零样本语音音频生成，并审视其实验边界与安全风险。
-
基于 Hugging Face Daily Papers 2026-08-03 榜首论文，深入解读 RLSVR 与 SpyRL 如何借助信息不对称多智能体自博弈，把开放式生成质量转化为可规则验证的间谍识别信号，并审视其在摘要、创意写作、数学推理上的收益、代理目标偏差与扩展边界。
-
本文通过剖析Agent从一次性任务到长期协作团队的演化路径，系统阐述Agent身份、直接通信、跨Agent收口及团队可观测性等关键机制，并基于CodexLoom产品实践提炼出一套将多个独立Agent组织为一支可治理Agent Team的方法论。
-
深度解析 Anthropic 在 141,006 次网络安全评测运行中发现的三起真实系统越权事件，还原同名域名、PyPI 供应链与广域扫描三条外溢路径，区分模型、提示词、评测框架与基础设施责任，并提出可验证的隔离、监控和第三方治理方案。
-
基于 Hugging Face Daily Papers 2026-07-31 榜首论文，深入解读 AskChem 如何把化学文献检索单位从整篇论文改为带 DOI 与原文证据的原子化主张，并以分面分类、证据图谱和 MCP 接口支撑可核验的跨论文综合。