AI论文简报

腾讯开源3D世界生成、VLM偏科探针

April 17, 2026

腾讯HY-World 2.0把3D世界生成做进工程可用：四阶段pipeline（全景→轨迹→视角扩展→多视图合成），文字或单图直接出可导航3DGS场景，开源对标闭源Marble。...

---

大模型更抗谣言却更易被噪声带跑

April 16, 2026

Agent失败可以拆成两类可测的错误：死磕一条路（exploit过强）和漫无方向（explore过度）能用黑盒指标分开度量，不需要访问模型内部策略，frontier模型失败模式差异明显 scaling把"看context"拆成两种反向变化的子能力。 Google在两个模型家族上给出首个contextual...

---

VLM换规则就崩·DLM加速4倍

April 15, 2026

VLM看得懂棋面，却无法遵循替代规则——14个模型在同一终局画面上，标准规则准确率显著高于反转规则，研究者将此命名为"语义固化"，对需要模型遵循自定义规则的应用是个警示 英文安全对齐在低资源语言下断崖式失效。 LASA在模型语义瓶颈层做语言无关对齐，将LLaMA-3.1的平均攻击成功率从24.7%降至2.8%...

---

PRM标注成本降两个数量级，dLLM幻觉错法不同

April 14, 2026

dLLM的幻觉模式跟自回归完全不同，首个受控对比实验识别出三种特有故障模式（过早终止、去噪不完全、上下文侵入），现有检测工具需要针对性重新设计 对比互信息让过程奖励标注成本降两个数量级：直接从模型内部概率提取步骤级信号，不需要反复采样rollout。ACL接收...

---

SFT收敛≠全学会，注意力劫持破防94%

April 14, 2026

SFT的loss收敛后，模型仍会在训练集上系统性答错特定子集。跨三个模型家族复现了五类成因，aggregate指标不足以判断微调质量 奖励模型不需要每次打分都做CoT推理。E-GRM用生成一致性估计不确定性，对简单样本跳过深度推理，降本的同时反而提升了准确率 Coding...

---

DMax让扩散LM并行效率提升近3倍

April 12, 2026

腾讯用一个VLM统一了机器人的感知和规划，释出2B端侧+32B推理双规格模型，模块化pipeline的复杂度优势可能不再成立 扩散语言模型的并行解码效率提升近3倍：DMax用连续embedding插值替代二值跳变，两块H200跑到每秒1,338 token...

---

打乱音视频练推理，6B模型超GPT-4o

April 11, 2026

Agent技能应该从用户群体中自进化：SkillClaw把多用户交互轨迹变成skill进化信号，一个人的修正自动同步全员，给Agent系统装上组织记忆 小模型压缩比大模型硬看更聪明，Tempo用6B模型根据问题动态筛选关键帧，8K token预算下超过GPT-4o和Gemini 1.5 Pro...

---

微调即加速1.7倍，token崩的不是channel

April 10, 2026

纯微调就能让LLM一步吐多个token， MARS不改架构不加参数，Qwen2.5-7B实测加速1.71倍，部署迁移成本几乎为零 图像自编码器压缩崩了别急着加channel——TC-AE发现真正塌缩的是token利用率，从token空间入手反而更简单有效 World model的空间一致性和实时性终于不用二选一。...

---

Entropy在骗你，隐式推理止于7步

April 9, 2026

Entropy稳定不代表推理健康。 RAGEN-2发现agentic RL中的"模板坍缩"——模型用固定模板应对所有输入，entropy完全看不出来，互信息才是更可靠的训练监控指标 Meta试图让模型本身成为计算机——Neural...

---

单GPU训120B·视频评测四成靠猜

April 8, 2026

单卡全精度训120B参数，吞吐量比DeepSpeed快1.84倍。 MegaTrain把GPU降级为临时计算引擎，参数全存CPU内存，流水线双缓冲突破带宽瓶颈，单机路线的性价比值得小团队评估...

---

视频问答跑到2FPS，RLVR自带噪声过滤

April 8, 2026

VideoLLM实现2FPS流式视频问答，AURA用端到端架构统一持续感知和主动响应，集成ASR+TTS已跑通可交互原型。 Agent信息过时怎么办，ClawArena给出系统评测——64个场景覆盖动态更新下的信念维护，发现框架设计的影响接近模型能力差异的60%。...

---

Diffusion推理省54%算力不降质

April 7, 2026

Diffusion推理砍半算力质量反升，DiffSparse用可学习predictor逐层逐步决定token稀疏率，PixArt-α上省54%计算量，与蒸馏/量化的叠加效果待验证 多角色视频的身份混淆根源在位置编码：PoCo从position...

---

32B硬件代码开源进第一梯队，Agent难题仅23%

April 6, 2026

硬件代码调试有了开源32B选项，InCoder从工程师实际犯错过程中蒸馏推理链，在LiveCodeBench和CAD-Coder上进入开源第一梯队，不过KernelBench 38%说明GPU优化类任务离实用仍远 CLIP的空间语义短板是训练目标决定的。CoME-...

---

Agent难题仅23%过关，CLIP三年路径依赖

April 6, 2026

错误驱动的思维链合成，填补工业代码推理数据空白——InCoder用模型与环境错误反馈的多轮交互生成推理轨迹，这套数据合成策略可迁移到任何缺乏公开专家数据的垂直领域。 CLIP单编码器用了三年，可能只是路径依赖。CoME-VL融合对比与自监督编码器，定位任务提升5.4%，消融实验揭示了融合的scaling边界。...

---

400万游戏帧练渲染，技能内化胜过检索

April 4, 2026

离散token是LLM的架构天花板而非优化目标，综述从四条技术线索论证核心计算正从token序列迁移到连续latent空间。 Agent技能用RL内化进参数比检索注入更强：SKILL0的渐进撤除课程在ALFWorld上提升9.7%，推理时每步上下文不到500 token。...

---

单神经元记住实体，套路复用提效19%

April 3, 2026

单个MLP神经元能触发实体级"失忆"，Google在200个实体上验证了因果关系，知识编辑可能从大面积手术变成精准定位 从推理轨迹提取可复用解题套路：3200万条程序性知识让模型不再每题从零推理，最高提升19.2%...

---

极简Agent打平MCP，代码推理边写边想

April 3, 2026

终端+文件系统的极简Agent打平全副武装MCP方案，72个HF upvotes说明从业者对Agent过度工程的集体焦虑不是空穴来风——但评估任务是否覆盖真实企业场景的全部复杂度，仍需追问 代码生成按需插入推理token，四个基准全部SOTA：Think-...

---

配比成本降35倍，显眼词劫持推理38倍

April 1, 2026

数据配比从训前超参变为训后优化，OptiMer为每个数据集单独训模型后在参数空间搜索最优合并权重，搜索成本降低15-35倍。 表面线索对LLM推理方向的劫持力是目标约束的8-38倍：跨六个模型呈现稳定sigmoid曲线，但一句最小提示就能恢复15个百分点。...

---

水印实现bit级溯源，扩散VLM进GUI定位

March 30, 2026

离散扩散VLM首次被验证可用于GUI定位，双向注意力在空间任务上展现结构性优势，数据多样性带来20点平均提升，CVPR录用 LoRA的零空间压缩程度与任务性能正相关，可直接用作合并权重信号。不依赖标签和任务类型，在异构视觉任务上达到SOTA...

---

Mistral自研TTS、扩散LLM加速4.7倍

March 28, 2026

Mistral成为首家自研TTS的主流LLM实验室，3秒参考音频即可语音克隆。语音合成正从专用供应商领域变成LLM厂商标配能力 扩散语言模型有了首个无训练加速方案：S2D2利用block size=1的退化特性让同一模型充当drafter和verifier，最高实现4.7倍加速 On-...

---