AI 编程实时动态与要闻

Mamba 作者、Cartesia 首席科学家 Albert Gu 团队 10 月 28 日发布两篇研究博客，公布新一代分层网络 H-Net 的扩展结果：在严格对照的 scaling ladder 中，只把 BPE 分词换成学习式动态分块，就获得最高 3–5 倍计算效率提升；更大的两阶段字节级 H-Net（3.67B 参数）在与 SmolLM3-3B 每字节算力对齐的条件下，约 1T token 即达到 SmolLM3 训练 11T token 后的平均下游分数（厂商口径）。新架构尚未开源，官方称计划逐步发布。

查看大图

针对小语言模型（SLMs，0.6B~8B 参数量）在通过监督微调（SFT）蒸馏大模型智能体能力时，普遍存在多轮长程交互容易陷入无效循环、动作重复及进度停滞（Progress Stagnation）的严重问题，研究团队在 arXiv:2610.19439 中提出了 ProD（Progress-Aware Distillation）蒸馏框架。ProD 建立了精确的单轮与轨迹级停滞评估指标，在蒸馏优化过程中动态监测并重罚学生的无生产力动作，通过自适应边界机制强制对齐教师模型的积极进展策略。跨越 8 款 SLM 的详尽实验表明，ProD 显著消除了智能体卡死现象，在大幅缩减无效 Token 开销的同时全面提升了任务完成率。

查看大图

Arena 官方正式发布 Code Arena: WebDev 最新榜单：深度求索最新推出的 DeepSeek-V4.1-Flash-20261017 (Max) 以 1670 分登顶开源模型第一，全面超越 Kimi K3 (Max) 且推理成本降低近 10 倍。该模型位列全榜总榜第 12，超越 Claude Opus 5 (High) 并与顶尖闭源旗舰 GPT-6 Sol (Max) 差距缩小至约 10 分以内，以百万 Token 输入 $0.3 / 输出 $1.2 的极低资费大幅改写 Pareto 前沿。

查看大图

针对前馈式 3D 高斯泼溅（3DGS）在大视角跨越下渲染质量骤降以及免训练扩散生成式压缩显存算力开销过大的痛点，今日两项重磅视觉与图形学成果给出突破：浙江大学周晓巍、鲍虎军、彭思达团队开源 InfiniSplat v2（arXiv:2610.20341，HF 118 赞），通过冻结几何分支解耦几何与属性预测并引入大角度目标视图监督，在 6 大三维数据集上将平均 LPIPS 与 DISTS 误差分别大幅降低 25.8% 与 32.9%；以色列理工学院推出 H-DDCM（arXiv:2610.18125），用隐式随机哈达玛（Hadamard）字典替代稠密高斯码本，将计算与显存降至 O(d log d) 与 O(d)，结合周期性 KV 缓存前缀重编码实现单 GPU 准实时流式生成视频压缩。

查看大图

权威半导体与 AI 算力研究机构 SemiAnalysis 披露了 AgentX 基准实现每美元 TCO 产出 13 亿 Token 的底层架构细节：vLLM 联合 Inferact 采用预填充/解码分离式推理（Disaggregated Serving），在超大规模云商批量计价下单位成本性能达到 NVIDIA B300 聚合式（Aggregated）部署的 4 倍；与此同时，开源编程智能体 Cline 公布实测，指出 DeepSeek-V4.1-Flash-1017 仅靠在多套异构 Coding Agent Harness 上扩展强化学习，便以低 17 倍的成本在 Terminal-Bench 上击败 GPT-5.6-Sol、较前代提分 35%。

查看大图

从现实生活中随意拍摄的单张或少样本二维照片中，精确重构出带逼真高保真纹理、几何网格且具备场景相对位姿（Scene-Relative Pose）的完整三维物体资产，是连接虚拟世界、机器人具身操作与空间计算的终极桥梁。然而，日常拍摄的照片普遍存在视野稀疏、视角不确定以及严重的物体自遮挡难题；现存的纯生成式 3D 模型往往在不可见背面产生严重形变与模糊贴图，且无法精确对齐物体在真实物理场景中的六自由度位姿。NVIDIA 研究院（NVIDIA Learning and Perception Research）在最新重磅成果（arXiv:2610.11215，项目主页：research.nvidia.com/labs/lpr/gator）中正式发布了全新端到端框架 GATOR。GATOR 首创了‘生成式扩散初始化 + 多模态智能体闭环精炼（Generative and Agentic Pipeline）’的双引擎架构：局部模态混合器将 RGB 补丁、目标掩码与点云特征深度融合，由文本引导的结构/几何/外观适配器生成初始 3D 资产；随后，该资产直接初始化一个具身多模态 Agent，驱动其在观察引导的‘编辑-渲染-审查（Edit-Render-Review）’闭环中自主旋转多视角进行局部微观重构与位姿对齐。在合成物体、杂乱桌面与真实室内场景的全方位实测中，GATOR 展现出统治级的几何保真度与物理仿真就绪度（Simulation Readiness），项目已正式发布。

查看大图

让大模型智能体（LLM Agents）从过去的执行经验中提炼出结构化可复用的技能资产（Skillbank），并在未来任务中灵活调用，是实现自主进化的关键方向。然而，现有的‘策略-技能库协同演化（Co-evolving Policy and Skillbank）’方案面临极高的评估代价与归因混乱：评估一个新提炼的技能是否合格，通常需要把智能体放入环境中重新运行多轮耗时耗费算力的环境交互（Environment Rollouts）；同时，基于技能复用率的奖励机制极易混淆‘到底是技能本身好’还是‘底层策略模型通用能力变强’。在最新研究（arXiv:2610.10164）中，研究团队发布了自主进化框架 UniSkill（开源代码：github.com/LimOkii/UniSKill）。UniSkill 采用单一共享策略网络，既负责与环境交互执行任务，又负责向技能库提出编辑提议（Add 新增、Update 升级、No Edit 维持）。最核心的突破在于提出了‘对比动作反馈（Contrastive Action Feedback）’：在无需任何额外环境 Rollout 的前提下，通过计算在候选技能引导下历史成功轨迹与失败轨迹之间的动作对数似然边际差（Log-Likelihood Gap），精准衡量新技能与当前策略的对齐度并自适应筛选入库，官方代码已开源。

查看大图

随着 LLM 智能体在真实生产环境中接管长流程（Long-Horizon）复杂任务，面对持续涌入的任务流，如何让智能体在部署运行期实现终生自进化，已成为具身智能与智能体系统的前沿圣杯。现有上下文自适应（In-Context Adaptation）方案仅将经验转化为文本记忆或外部向量库，极度依赖脆弱的检索机制，且无法改变冻结的底座权重；而若直接对单次尝试的生成 Token 施加模仿学习或强化微调，又会因稀疏单次反馈导致模型策略瞬时崩溃。研究团队首次形式化定义了“在线智能体测试时训练”（Online Agentic Test-Time Training, OaTTT），并提出了创新自蒸馏框架 ASCENT（arXiv:2610.05303）：智能体在单遍任务流中仅执行一次任务，将冻结的初始版本模型作为具备后见之明（Hindsight）的稳定导师，输入已验证成功的完整轨迹作为特权信息，计算沿轨迹的 Next-Token 概率分布；随后将这些特权经验高效蒸馏进持久化的轻量 LoRA 快速权重中。通过进一步剪除无效动作轮次，ASCENT 在无需任何外部教师模型或标准参考答案的前提下，在 ALFWorld、WebShop 和 AppWorld 等跨模态长程基准上实现了任务成功率与交互步数效率的持续单调提升，并强力迁移至未见过的全新场景。

查看大图

循环 Transformer（Looped Transformers）通过在循环中反复复用单套共享参数块，以极小参数量实现了匹敌深层大模型的计算深度。然而在标准推理中，模型仅仅消费最终循环的隐层表征，中间轮次的所有计算产物全部被直接丢弃。来自德克萨斯大学奥斯汀分校（UT Austin）、普林斯顿等学者团队提出了完全免训练的循环对比解码框架 LoopCD。该框架敏锐捕捉到循环网络天然携带的“自身弱表征与强表征”配对特性，通过将最终循环表征与早期循环表征进行反向对比，在 Logit 空间或隐层表征空间（Zero Overhead）直接引导 Token 优选。在四大多循环模型家族中，LoopCD 将 Ouro-2.6B-Thinking 的 AIME 2024 Pass@1 从 61.88% 强力拉升至 73.33%，在循环轮次直接减半的前提下仍超越全深度未引导基线，前向推理 FLOPs 暴降 22.5% 至 48.2%。

查看大图

循环 Transformer（Looped Transformer）通过跨轮复用网络层具备极高的参数效率，但固定循环深度的盲目迭代在简易 Token 上严重浪费算力，且深层往往陷入收益平台期。清华大学电子工程系 NICS 实验室提出 TaH2 架构，通过前瞻深度监督（Lookahead Depth Supervision）联合后训练主干与迭代决策器，自适应将计算分配给获益最高的关键 Token，在极具挑战的 AIME 数学基准上将测试时算力缩放斜率（Accuracy-Compute Slope）拉升 53%，深度扩展至 8 层依然维持强劲增益。

查看大图