AI 编程实时动态与要闻

来自新加坡国立大学（NUS）、香港中文大学（深圳）等机构的研究团队在 arXiv:2610.28630 正式发布视频生成渲染框架 SolarRenderer。针对当前 3D 游戏引擎灰模、姿态骨骼、深度图与点云难以极速转化为高保真视觉视频的难题，SolarRenderer 基于冻结的 MiniMax-H3 33B 基础视频模型，引入轻量化控制 LoRA 与 4 步生成 LoRA。利用结构引导分布匹配算法，仅需 4 步去噪即可完成高质量渲染（比传统 50 步采样提速 12.3 倍），并提出块因果（Block-Causal）变体，成功实现 768p 高清视频的毫秒级实时流式生成，为下一代神经游戏引擎与虚拟制片树立了全新标杆。

查看大图

上海人工智能实验室正式在 arXiv:2610.28578 发布开源智能体基础模型 Sage-A1.5 技术报告。该模型采用 350 亿总参数量（35B）的混合专家（MoE）架构，延续了“扩展智能体执行视界（Agent Horizon）而非盲目扩大参数量”的设计哲学。Sage-A1.5 创新引入了自适应能力组合机制，重点针对长程仓库级软件工程问题修复（SWE）与多步骤假说驱动的科学探索进行了端到端对齐。评测显示，该模型在超长执行步数下展现出超越 70B+ 稠密大模型的稳定推理能力，并同步公开了本地微调与部署权重。

查看大图

10 月 20 日，NVIDIA GEAR 实验室（Jim Fan 团队）开源 Flora 模型套件，把人类和机器人操作视频转成带时间戳的动作描述、过程奖励、结果奖励和评分细则。套件含 Flora-Captioner 27B、Flora-Rewarder 27B（均基于 Qwen3.5-27B）和 Flora-TempSeg 9B（Qwen3.5-9B 上的 LoRA），权重已上 Hugging Face，采用 NVIDIA 非商用许可。官方称它是训练 GR00T 的内部数据引擎，每天在 512 张 GB300 上标注 20 万小时视频，标注质量与 GPT-6 Astra 相当，成本约低 125 倍。

查看大图

加利福尼亚大学圣迭戈分校（UCSD）研究团队在 arXiv:2610.21783 中推出 3D 空间主动探索与推理智能体 ACT3D。针对传统 3D 具身模型依赖昂贵稠密多视角图像、多模态视频流或重型点云编码的痛点，该研究完整保留单目视觉语言模型（VLM）的原生单帧第一人称编码，将 3D 环境作为动作与交互观测场。经结果驱动强化学习（RL）优化后，在六大 3D 评测基准上取得 53.2% 的平均准确率（较基座 Qwen 跃升 22.0%），一举超越商业旗舰 Gemini 3.6 Flash，且输入帧数节省 50%~70%。

查看大图

现代混合专家（MoE）普遍结合“细粒度专家切分”与“共享专家”设计，但二者在底层产生致命冲突：共享专家均质化了 Token 表征，抑制了路由探索，导致组合膨胀的专家空间无法被充分利用。苏黎世联邦理工学院（ETH Zurich）与香港大学团队发表 MirrorMoE（arXiv:2610.22353，GitHub: BingcongLi/MirrorMoE），通过 Token 自适应抑制冗余专家收缩探索空间，在从 100M 到 2.4B 全尺度上实现显著的 PPL 下降与下游基准全线涨点。

查看大图

针对多模态生成模型向“严守物理与逻辑规则的世界模型”演进中的验证、评测与强化学习对齐难题，今日三项重磅研究给出系统答案：OmniVerifier-C1（arXiv:2610.22355，HF 32 赞）通过解耦强化学习（DAPO）将提示词拆解为子问题二元判断与全局连续打分，在 ViVerBench 上提至 0.684 并将 FLUX.1-dev 的 GenEval 推至 0.79；美团开源 320 例多步世界状态预测基准 WorldCast（arXiv:2610.20731，HF 30 赞），揭示 GPT-Image-2.5 System 达 72.8 分而最强开源模型仅 20.1 分；新加坡国立大学提出路由策略优化 RPO（arXiv:2610.22282），将注意力块路由作为随机探索动作，以仅 24.1 GPU 小时（较 Flow-GRPO 与 DanceGRPO 分别快 3.1 倍和 4.2 倍）大幅提升视频生成语义对齐。

查看大图

无 Critic 群组强化学习（GRPO 等）在长程 Agent 与高难数学推理中极易陷入“采样轨迹高度同质化、全组零奖励无梯度信号”的探索死局。今日两篇前沿论文从轨迹续写与输入嵌入两端破局：SERO（arXiv:2610.19397）从策略真实到达的状态恢复环境并执行多步 Oracle 续写，使 7B 模型在 ALFWorld 分布外泛化暴涨 11.20 个百分点；UNSW 提出的 EDEN（arXiv:2610.16105）在输入末尾追加单个锚定高斯噪声嵌入位，在同等采样预算下令 Qwen2.5-Math-7B 的 AIME 2025 Pass@256 飙升 13.33 个百分点（达 66.67%）。

查看大图

作者 Logesh Kumar Umapathi 于 2026-10-10 在 Hugging Face 博客发布 GUI-Decisions：把 computer-use 的 action/坐标写成固定槽位，从下一 token 分布一次性读出，而不是自回归解码 JSON。基于 Gemma 4 31B 的 LoRA/合并权重在 RTX PRO 6000 + vLLM 上，槽位读中位约 146–158 ms/步，相对原生生 JSON 约 472–546 ms 约 3.5×；相对带思考解码可快约 20–25×。ScreenSpot 点击命中约 0.87；开源 31B/2B 权重、GitHub 与 Spaces Demo。

查看大图

随着自主软件工程智能体与命令行运维 Agent 从执行单条命令走向长程自主交付，缺乏高质量、真实多轮交互的终端训练数据成为了制约基座模型进化的首要瓶颈。中国科学技术大学、高德地图（阿里巴巴集团）与南方科技大学联合研究团队在最新成果（arXiv:2610.13166）中正式推出了全自动终端数据合成引擎 TerminalHorizon。针对传统短程轨迹过度简化工程上下文、预设环境提前解题等致命缺陷，TerminalHorizon 始于真实专业工作流，通过独立执行闭环自动捕获被遗漏的核心操作步，基于探索证据动态重建环境，并沿统一长程目标将任务逐级扩展为多阶段有机需求。团队以此构建了 1.5K 个复杂任务环境与 2,852 条平均交互轮次达 52.8 步的高质量长程轨迹。基于 Qwen3.5-27B 监督微调得到的 TerminalHorizon-27B 模型在权威基准 Terminal-Bench 2.0 上斩获 55.8% 的高分，较原基座暴涨 14.2 个百分点，以极小训练规模击败此前主流模型，横扫涉及 Coding Agent、生产级运维及通用推理的 12 项评测，项目代码与数据集已全面公开。

查看大图

让通用 AI 智能体在交互式虚拟世界中自主探索与进化，是通往高阶通用人工智能（AGI）的核心路径。然而，构建兼具‘物理确定性（Faithful）’与‘照片级逼真度（Realistic）’的训练环境长期受制于技术瓶颈：纯物理引擎画面简陋缺乏真实视觉分布，而纯生成式视频世界模型则会在长程交互中不可避免地出现几何崩溃与‘幻觉累积’。MirroS 实验室与学术研究团队在最新研究（arXiv:2610.12374）中推出了 AgentGarten 开源框架（代码：github.com/MirroS-Lab/AgentGarten，主页：mirros-lab.github.io/agent-garten）。AgentGarten 首创将物理仿真引擎与共享神经渲染器深度解耦：仿真引擎作为确定性底座维护持久的世界状态与代码交互规则，不直接消费生成视频帧，从而从根本上消除了幻觉反馈回路；神经渲染器则根据导出的结构化几何条件以超过 30 FPS 实时渲染逼真观测画面。配合团队创新的‘对抗性强制（Adversarial Forcing）’训练，实现了历史预填充的可微回放与真实对抗监督。智能体在 AgentGarten 中探索试错，能将经验自动提炼为标准化‘战术手册（Playbooks）’供后代智能体继承。在经典的捉迷藏等复杂交互任务中，智能体仅需 4 轮探索即可自发涌现利用掩体与斜坡协同的高阶行为，效率比传统强化学习数千万轮交互提升数十万倍，官方代码与环境现已开源。

查看大图

随着 Anthropic Computer Use 与各类桌面自动化智能体（Computer-Use Agents, CUAs）加速接管操作系统操作，如何科学评估多步骤 GUI 交互的真实能力成为业界最急迫的命题。现有的代表性基准（如 OSWorld）主要依赖最终结果判定（Outcome-based Verification），即在 Agent 执行了数百步鼠标键盘操作后，仅检测最终文件或系统状态是否发生改变。这种“黑盒终态评估”完全掩盖了智能体在中间步骤中“如何犯错”与“为何失败”——例如因键盘输入打字错误失败，与因视觉定位不准导致鼠标误点失败，所需要的工程修复路径完全风马牛不相及。NVIDIA 研究团队推出了首个基于全流程过程解构的桌面智能体评测系统 OSWorld-Pro（arXiv:2609.24890）：包含 300 多个真实系统级生产任务，将其细粒度拆解为 2,800 多个连续依赖的子目标（Subgoals），并依托 67,000 多条高质量人类专家操作注释作为基准。通过人类对齐的 LLM-Judge 对各阶段子目标达成度展开逐层量化，评测揭示即便是业界最前沿模型如 Claude Opus 5 在 OSWorld-Pro 上的得分也仅为 75.7%（低于标准 OSWorld 的 83.4%），并精准捕获了无效漫游动作与点击像素级偏移两大核心故障模式。

查看大图