AI 论文日报

今日重点 Top 3

新模型发布与权重

按方向分类论文

多模态 · Multimodal

• OneSearch-VL: Unified Multimodal Deep Research Agent for Image and Video
  复旦大学等 · arXiv:2610.12419多模态研究
  视觉锚定证据图（VGEG）统一处理图像与视频深度研究，引证精确率 91.8%，视觉幻觉减少 43%。
  arxiv.org/abs/2610.12419
• OuroWorld: Bringing Any 3D World Alive as Diverse, Endlessly Looping 3D Cinemagraphs
  Hugging Face Daily Papers · arXiv:2610.12461多模态研究
  无需遮罩的 3D 场景动态化框架，将静态 Gaussian Splatting 场景转化为可循环的 3D 动态画面。
  arxiv.org/abs/2610.12461
• SILSA: Sliding-Window Slice Latents for Topology-Preserving High-Resolution 3D Generation
  NeurIPS 2026 收录 · arXiv:2610.022013D生成
  滑动窗口切片潜变量方法，实现拓扑保持的高分辨率 3D 生成，适合复杂几何结构建模。
  arxiv.org/abs/2610.02201

Agent 研究 · Agent Research

• SuperNav: An Agentic Navigation System for Any Task in Any Scene
  浙江大学/深圳大学 · arXiv:2610.12126 · AlphaXiv #7 热门Agent研究
  为预训练多模态大模型配备专用导航工棚，无需导航特定微调，支持实例级、多目标和需求驱动导航任务。
  arxiv.org/abs/2610.12126
• VISTA: A Visual Harness for Reasoning in an Interactive World
  Qiushi Han 等（Meta AI/CMU）· arXiv:2610.02200Agent研究
  视觉工棚框架赋予通用多模态模型长程视觉，在 ARC-AGI-3 上获得完美 100 分，操作次数减少 57.4%。
  arxiv.org/abs/2610.02200
• EvalResearchBench: Can AI Agents Design Their Own Evaluations?
  Yaolun Zhang 等 · arXiv:2610.04184Agent研究
  研究 AI Agent 能否自主设计评估体系的新基准，探索 Agent 自我改进与评估闭环的可行性。
  arxiv.org/abs/2610.04184
• SHarP: Saliency-based Pruning of Agent Harnesses
  Xinyi Gao 等 · arXiv:2610.04178Agent研究
  基于显著性剪枝优化 Agent 工棚，提升多模态 Agent 的效率与泛化能力。
  arxiv.org/abs/2610.04178
• Agentic Cognitive Depth: Operational Criteria for Evaluating LLM Agents
  Nijesh Upreti 等 · arXiv:2610.04168Agent研究
  提出 LLM Agent 认知深度的操作化评估标准，从任务分解、工具使用、错误恢复等维度系统评估 Agent 能力。
  arxiv.org/abs/2610.04168

推理与能力 · Reasoning & Capabilities

• Language Model Activations Inhabit Privileged Error-Correcting Basins
  Matthew Finlayson 等 · arXiv:2610.04183推理研究
  揭示 LLM 激活值存在于特权纠错盆地中的现象，为理解模型内在纠错机制提供新视角。
  arxiv.org/abs/2610.04183
• Specialized Decision Models vs. General-Purpose LLMs: Benchmarking Jev Across Knowledge, Reasoning, and Multilingual Tasks
  大连海事大学等 · arXiv:2610.11978 · 2026-10-08推理研究
  对比专业决策模型 Jev 与通用 LLM 在 13 个基准上的表现，发现 Jev 在知识类任务中与前沿 LLM 相当，但在数学推理上落后。
  arxiv.org/abs/2610.11978
• Periscope: Extending Frozen Language Models Beyond Their Context Window
  Mohamed Eltahir 等 · arXiv:2610.04047推理研究
  Periscope 方法扩展冻结 LLM 的有效上下文窗口，无需微调即可处理超长文档检索任务。
  arxiv.org/abs/2610.04047

AI 安全与对齐 · AI Safety & Alignment

• AI Models Can Provably Hide Arbitrary Capabilities
  arXiv:2610.13928 · 2026-10-12AI安全
  证明 AI 模型可在训练过程中隐藏任意能力，对模型可审计性和安全对齐提出新挑战。
  arxiv.org/abs/2610.13928
• Compromise Is Not Consequence: Evaluating Task-Scoped Authorization in LLM Agents
  arXiv:2610.05840 · 2026-10-09AI安全
  评估 LLM Agent 在任务级授权下的行为边界，揭示"妥协式合规"与真正后果感知的差异。
  arxiv.org/abs/2610.05840

语言与基础模型 · Language & Foundation Models

• Hierarchical Continuous Diffusion Language Models
  Hui Ren 等 · arXiv:2610.02193方法研究
  提出层次化连续扩散语言模型新架构，将离散 token 生成建模为连续扩散过程。
  arxiv.org/abs/2610.02193
• From Knowledge Access to Source Learning: Developing Source-Specific Competence
  Lucheng Fu 等 · arXiv:2610.02150方法研究
  从知识获取转向来源学习，培养模型对特定来源的辨别与信任能力。
  arxiv.org/abs/2610.02150

排行榜变动

Chatbot Arena（Text Arena）

MMLU 排行榜

OpenLM Arena+