AI 论文与研究

研究团队提出 ScriptMoE，一种脚本感知的 MoE 架构，共享单一视觉编码器并用稀疏 MoE 块替换密集解码器，由图像级路由器将每张图分发给 top-2 脚本对齐专家，另设共享专家吸收跨脚本知识。

研究发现在线策略蒸馏（OPD）中，仅需 0.1%–1% 的 token 预算即可匹配甚至超越全量 OPD。作者从信息几何角度提出信息效率比（IER），基于信噪比分解刻画最优标量基线下的相对梯度估计误差，并据此进行 token 选择。在数学与医学推理任务上，将 IER 与现有有用性评分结合可改进多种设置下的选择器，同时保留采样的反向 KL 训练目标。

AI 视频音频编辑平台 Descript 通过 OpenRouter 统一接入模型，把新模型评测从"两小时工程加一周等待"压缩到一两小时，团队现在每周多次评测模型。

一篇综述提出 LLM 在心理健康领域的角色正经历三个阶段演进：从充当评估用的信息工具与模式识别器，到提供即时无状态共情对话，再到当前探索的、以有状态认知智能体实现纵向个性化陪伴。文章系统梳理了支撑这一路径的核心技术、智能体架构（Profile、Memory、Reasoning、Planning）以及数据集与基准等基础设施。

研究者提出一种把世界模型表征蒸馏进 VLA 策略的方法：冻结的世界模型只需对训练帧跑一次并缓存特征，学生模型在常规 VLA 训练中增加一个特征对齐项即可继承其物理场景理解，训练时无需加载教师模型。

HyperQ 在冻结的掩码扩散语言模型每个 transformer block 中加入 token 条件化的量子残差分支，由轻量级 circuit hypernetwork 生成 token 专属的旋转角、耦合强度与测量轴，仅训练新增分支。

D-RAC 将任意格式文档先归一化为 PDF，再用单次多模态 LLM 调用转成检索优化的 Markdown，并按 W-RAC 方式确定性分块。在 RAG-Multi-Corpus 的 236 篇文档、795 页 PDF 子集上，72 分钟零错误生成 1,748 个可检索 chunk。

针对智能体持续学习（ACL）缺乏成熟方案的问题，研究者提出 ACLArena 框架，用于系统研究、分析和评估 ACL。该框架从模型级和 token 级两个视角分析遗忘与泛化机制，并对比多教师 on-policy 蒸馏、自蒸馏微调与模型合并三种范式。基于此提出新配方：离线回放高质量轨迹结合多个经 RL 专项训练的 LoRA 专家路由网络，在四项推理与智能体任务上验证了有效性。

研究者推出 GameHorizon Suite，一套面向游戏玩法的多时间跨度数据与评测套件，包含自动标注流水线 GameHorizon-Annotator、首个大规模 AAA 游戏数据集 GameHorizon-Data（21 款游戏、5000 小时录像、100 名人类专家玩家）以及含离线与在线测试的 GameHorizon-Bench。

研究者提出几何原生自编码器（GAE），将几何基础模型的特征重参数化为紧凑隐空间，其隐变量可联合解码为外观、深度、相机和点图。在固定生成器与训练协议的对照实验中，替换为 GAE 隐空间后，RealEstate10K 和 DL3DV 上的 FVD 分别下降 12.7% 和 23.1%，RealEstate10K 的相机轨迹误差减半。

onPanda 是一款通过 token 级修正交互来标注 LLM 对齐数据与智能体轨迹的工具：标注者定位首个不当 token，从候选 token 中选择或自由编辑替换，系统截断其后内容并从修正前缀继续生成。

SVEET 提出一种仅需在预训练双向视频扩散模型上训练、即可自回归实现高质量流式视频编辑的框架，核心是骨干特征解耦与条件帧独立两条原则。该方法通过辅助模型分支以时间独立自注意力编码源视频并注入骨干模块，配合解耦训练方案实现零样本知识迁移，在单张 H100 GPU 上无需辅助加速即达 15 FPS。

Lean Pool 是一个由 AI 智能体负责扩充、维护和优化的形式化数学库。该仓库以 arXiv 论文形式发布（arXiv：2609.25199），归入 cs.AI 分类，提交于 2026 年 9 月 21 日。

Jev-Mem 是一种受 System-One/System-Two 认知启发的新型智能体记忆架构，通过专用 System-One 控制平面在构建阶段管理记忆类型与关系组织，并在检索时动态完成查询路由、检索预算分配、图遍历、候选打分与自适应停止，System-Two 仅用于复杂推理与答案合成。

Segment-Snap通过部件与把手的物理关系耦合几何与语义信息，理解3D场景中的可动部件、运动方式与操作区域。在Articulate3D验证集上，把手引导将motion-gated AP从13.74%提升至40.98%，额外把手候选将handle AP从24.63%提升至29.65%，结合部件类别修正后完整上下文达到30.99%。

Harness-Zero 提出"agent-as-harness"方法，将领域或实例优化的智能体框架作为训练期指导，把其带来的行为迁移进模型权重，使收益在部署时单一固定框架下依然保留。实验显示，移除专用框架后，该方法将基座模型的宏平均任务成功率从 23.3% 提升至 44.3%，超过仍挂载该框架时的 41.7%。在知识工作、工具使用和科学三个领域的 28 种行为模式上，平均恢复率达 82.3%。

研究者提出 Complex KDA（CKDA），通过将单个 delta-rule 变换与通道门控提供的第二次反射结合，使 Kimi Delta Attention（KDA）无需提高更新秩即可实现 2D 旋转。

针对 Agent Harness 递归自我改进容易过拟合训练任务、在分布外基准上收益消失的问题，研究者提出 RRSI，通过时间退火预算约束候选编辑数量、用 critic 过滤基准特定提案、用 pruner 剔除过小或过贵改动。

EdgeGen 是一个合成任务生成框架，从 Agent 规范中提取合规规则，生成违反这些规则的、基于数据库的边缘案例任务，可与现有合成数据方法结合用于微调和 harness 优化，形成无需人工标注的全自动闭环。

WorldCrafter 是一个视频世界模型，通过可相机查询的隐式 3D 感知记忆，解决长时程与跨视角下难以保持历史观测一致的问题。其记忆编码器与姿态条件读取模块与视频生成器联合训练，在去噪前将历史观测压缩为固定数量的目标视角专属 token，无需显式深度对应。结合近期时序上下文与少步蒸馏，该模型可从单张图像或文本提示实现流式场景探索，在静态与动态场景中显著提升长时程一致性与相机控制精度。

研究者提出 CARE 框架，通过收集失败 rollout、建模分阶段失败后偏差分布，合成代表性失败状态与纠错示范，提升 VLA 策略偏离标称轨迹后的恢复能力。推理时 CARE 结合分阶段规划与物理落地的 3D 监控，触发原子级调整或重操作。

X-Planner 是一个面向具身推理的规划前端，用事件结构化方案同时解决监督与表示问题。其规划数据整合 Ego、UMI 与遥操作数据并按来源区分标注深度，模型侧共享 VLM 主干提供离散事件状态与经 Staircase Decoding 传递连续 CoT 状态的隐式接口两种规划形式。

RULER 用实例感知评分标准为 SVG 生成提供强化学习奖励，无需配对 SVG 真值或人工偏好标注。它把每条指令转成覆盖语义、视觉、风格三个维度的六项评分标准，由 judge VLM 对渲染结果逐项打分，加权满意度经 GRPO 优化。

VideoGen-Agent 通过多任务智能体强化学习训练，让多模态智能体调用增强、生成、验证等外部工具完成视频生成。团队同时提出覆盖 600 条提示词的 VABench 基准，该智能体在其上把基础文生视频模型从 56.5 分提升 19.1 分至 75.6；仅升级生成工具、不额外训练智能体即可进一步升至 86.1，人类评审在 84.3% 的对比中更偏好升级后的配置。

Ethan Mollick 主张把这一呼吁从经济学扩展到整个社会科学：AI 领域变化太快，不能等数十年才做出完美因果识别的论文，需要快速、前瞻、由 AI 能力深度支撑的研究。他引用 @alexolegimas 的观点指出，经济学界习惯追求干净识别，但当下更需要方法论可靠、方向多元的即时信号，例如多个独立团队得出「AI 暴露度高的初级岗位招聘放缓」这一相近结论。

本周最佳两篇 Week 38 Story Imprinting： AI Assistants Absorb Traits from Human Characters They Resemble JEPA-Anything： Learning Predictive Models across Different Worlds Story Imprinting https://arxiv.org/pdf/2609.10883 JEPA-Anything https://arxi…

Sierra 与普林斯顿大学推出 τ^τ-bench 基准，把智能体构建模拟成真实客户交付任务，智能体需基于公司记录、客户需求、生产 API、现有代码和预算交付可部署的客服智能体。

新基准测试发布 https://bw.swerdlow.dev/report

本周顶级 AI 论文（9 月 14 日 - 20 日）： - SoL-Pi - GAUGE - Salesforce Koa - Stellar Colosseum - Byte Model Scaling - Bash vs Typed Tools - Capability Laundering 继续阅读：

DAIR.AI 发布 9 月 14-20 日 Top AI Papers：Meta 研究字节级语言模型随算力增长的缩放规律，用 Marginalize-It 与 End-Of-Token 两种方法从 token 教师蒸馏 1B 字节学生，拟合缩放律显示 End-Of-Token 学生在渐近线上领先蒸馏 token 模型最多 4%，且仅用六分之一训练数据即可追平。

一篇评论文章认为，LLM 正在无视版权与许可证吞食网络内容，打破软件版权与开放之间维持了 40 年的平衡。作者称 AI 让分享知识从对世界的馈赠变成作者的负担：公开代码可能被 AI 更易发现漏洞、被 AI 生成的 pull request 淹没，而现有许可证义务缺乏执法意愿。他警告这可能导致数字黑暗时代，呼吁创作者联合推动新的数字复兴。

整个 arXiv 三百多万论文全部整理为 Huggingface 上的数据集。 ICLR 2027 投稿量超过往年总和？ 这才刚刚开始。 【引用 @secemp9】：很高兴分享将整个 arXiv 网站作为数据集发布在 HuggingFace 上 https://huggingface.co/datasets/secemp9/arxiv-complete 3，148，796 篇论文，包含每个版本，格式为 LaTeX、PDF、PostScript、HTML，总计 16 TB

腾讯混元联合清华大学、北京大学提出 WebCraftBench，让智能体实际操作 AI 生成的网页，用代码覆盖率引导探索，再从美观度、易用性和需求符合度三个维度评分。

作者 madars 声称于 2026 年 9 月 19 日与 Claude 协作完成了 RSA 挑战数 RSA-896 的因数分解，并公布了完整的 270 位十进制结果及两个素因子 p 和 q 的具体数值，附原文链接 https://saweis.net/posts/rsa-896.html。

Before a machine learning model can learn a thermodynamic equation of state, it must discover what its measurements represent: which channels scale with system size, which are intensive conjugates, how sectors pair through contact, and whi…

Data acquisition (DAQ) systems at future particle physics experiments stand to benefit from the extremes of AI/ML development: large-scale foundation models can enhance the performance of feature extraction algorithms, and small-scale on-d…

Bayesian filtering provides a principled framework for online state estimation under uncertainty, yet its application to systems with high-dimensional states and complicated posterior distributions remains challenging. Recent generative mo…

Before a machine can discover a physical law, it must discover what its measurements are: which observations live on cells, which are intensive or extensive, which sectors are dual, and which distinctions are merely gauge. We introduce phy…

We introduce leaky-integrator reconstruction, a training-free method that cures the error accumulation of recursive differenced forecasting. Our first contribution is diagnostic: predicting one-step changes and integrating them by cumulati…

Repository-level software engineering (SWE) comprises heterogeneous task categories, whose progress under pooled agentic reinforcement learning can be uneven: gains in some categories coincide with regressions in others, while aggregate re…