🤖 AI 论文日报
2026-10-26 · 每周精选 AI 前沿论文与模型动态
🏆 今日重点论文 Top 3
TOP 1Reflection Beam Search: Reduces 40% LLM Cost by Integrating Value and Policy into Search Tree
提出 Reflection Beam Search（RBS），将 value network 和 policy network 深度集成到 beam search 的树搜索过程中，在推理阶段实现 40% 成本降低。在 DeepSeek-R1-Distill-Qwen-32B 上获得最优验证集性能。
💡 解读：传统 beam search 仅依赖 policy network 逐层扩展候选序列，而 RBS 同时利用 value network 评估当前节点的最终奖励期望，通过反射机制动态剪枝。这一范式显著减少无效展开，在数学推理任务上取得更高效率与更强性能。
TOP 2LaLa-World: Scaling Up Video Generation Models for World Simulators
LaLa-World 通过 4 亿帧合成视频的混合训练，大幅提升了视频生成模型在长序列、可控动作、物理合理性和时间一致性方面的能力。支持 2K/4K 分辨率视频生成。
💡 解读：当前世界模拟面临长序列一致性差、物体交互逻辑混乱的瓶颈。LaLa-World 将合成数据与真实数据混合训练，并利用开源社区数据扩充训练规模，在保持高分辨率的同时显著改善了角色动作可控性和物理一致性。
TOP 3DeepSeek-V4.1-Flash: 552B MoE 开源编码推理模型
DeepSeek 推出 V4.1 Flash 模型（552B MoE，MIT 协议），采用因果编码器-解码器架构（CED），输入 8B 活跃参数、输出 16B 活跃参数，支持 256K 上下文，在 HumanEval 编码基准上超越 GPT-5.3。
💡 解读：CED 架构让编码器专注理解代码结构、解码器专注生成结果，大幅降低了推理延迟。此模型同时兼容 DeepSeek Chat API，对代码推理任务效果显著，是 DeepSeek 开源生态的重要补充。
🚀 新模型发布与权重
DeepSeek-V4.1-Flash
552B MoE (2×8B enc / 2×16B dec) · 32×20B FFN experts
MIT · 上下文: 256K · 推理: Flash Attention-4 + FP8
HumanEval 超越 GPT-5.3；支持 DeepSeek Chat API。
Gemma 4 系列 (Google DeepMind)
31B / 26B (A4B) / 12B / 3.5B / E4B / E2B · 6 种尺寸
Apache 2.0 · 上下文: 131K (31B) / 8K (E4B/E2B) · 训练: 22T tokens
MMLU 66.8 / SWE-bench 33.4 / LiveBench 44.7；全端可用（云→手机）。
GLM-5.3 Flash
320B MoE · 上下文: 256K
Apache 2.0 · 推理优化版本
在 SWE-bench、AIME 等基准上表现强劲；API 推理成本降低 90%。
Qwen-Image-2.1-Turbo
130B MoE · 上下文: 256K · 速度为原版 3 倍
MIT · 图像生成模型
Turbo 模式大幅优化推理速度；文本渲染、风格迁移等能力全面升级。
📚 按方向分类论文
🧠 大语言模型 (LLM)
Reflection Beam Search: Reduces 40% LLM Cost by Integrating Value and Policy into Search Tree
将 value network 与 policy network 同时集成到 beam search 树搜索中，在推理时动态剪枝，降低 40% 计算成本。
Token-by-Token Reinforced Distillation for MLLM Compression
通过强化学习蒸馏多模态大模型，实现压缩的同时保持视觉语言理解能力。
Inference-time Scale-up Improves Reasoning Across Architectures
在推理阶段扩大 token 采样窗口，显著提升多模型架构的推理性能。
👁️ 多模态研究
LaLa-World: Scaling Up Video Generation Models for World Simulators
基于 4 亿帧合成视频的混合训练，提升长序列视频生成的一致性与物理合理性，支持 2K/4K 输出。
WeVisOne-VL: Open-Ended World Generation from Single Images via Vision-Language Models
仅凭单张图像，通过视觉语言模型生成开放式世界视频。
Spatio-temporal Self-Evolution Model for Video Anomaly Detection
利用时空自演进机制实现视频异常检测，减少对人类标注的依赖。
🤖 Agent 研究
Policy-Mask: Training-Free and Plug-and-Play Guard Against Jailbreaking in LLM-based Agents
无需训练的即插即用防御方法，通过策略掩码保护 LLM Agent 免受越狱攻击。
Agent-Tooling: A Survey of How Agents Use Tools
系统性综述 Agent 工具调用行为，涵盖工具选择、调用链、错误处理等核心问题。
🔮 推理模型
Reinforced Distillation from Verifiers as Regularizers
将 verifiers 作为正则化器，通过强化蒸馏提升模型推理稳定性。
A Token Matters: Analyzing the Impact of Sampling Tokens in Deep Reasoning Models
分析推理模型中采样 token 的影响，揭示 token 质量与推理深度之间的关系。
🛡️ 安全与对齐
Can We Prevent Hallucinations Through Prompting? An Aggregated Evaluation of Hallucination Mitigation on Large Language Models
系统性评测提示工程在缓解 LLM 幻觉方面的有效性。
The Limitations of LLMs as Socially Smart Negotiators
揭示 LLM 在社会谈判场景中的局限性，为安全对齐研究提供参考基准。
Adaptive Trust Calibration in Large Language Models: Benchmarking and Evaluating Model Confidence Under Adversarial Conditions
对抗条件下 LLM 置信度校准基准评测，研究模型在 adversarial 场景下的信任自适应能力。
🧪 基准评测
MathBite: Benchmarking Multi-Scale Math Abilities in Large Language Models
提出多尺度数学能力基准 MathBite，全面评测 LLM 在不同难度数学问题上的表现。
AgentBench-WebArena-v2: A More Challenging Real-World Web Agent Benchmark
WebArena-v2 基准提升真实网页 Agent 评测难度，反映 Agent 在复杂 web 环境中的实际能力。
🎨 生成模型 (图像/视频)
Efficient Video Generation via Decoupled Spatial-Temporal Latent Diffusion
解耦时空潜在扩散模型，高效生成高质量视频内容。
Generative Image Inpainting with Contextual Attention
利用上下文注意力机制实现高质量图像补全，提升 inpainting 的自然度和一致性。
StyleDiffEdit: One-Shot Style Transfer for Image Editing Diffusion Models
单次学习风格迁移模型，实现高效图像编辑风格转移。