阿里 Qwen 开源 BlenderWorld：223 道题、2651 条标准的 3D 建模基准
阿里 Qwen 团队于 10 月 14 日开源 BlenderWorld，一个评测视觉智能体在 Blender 中完成真实 3D 创作任务的基准，采用 MIT 许可证，代码与数据集已发布至 GitHub、Hugging Face 和 ModelScope。
#开源/仓库
RadarAIAI 评分3838 RadarAIAI 评分2626 Hao AI Lab 提出智能体集群分工思路：快智能体跑腿，强推理者思考
Hao AI Lab 提出一种智能体集群分工思路：让快速智能体承担跑腿类任务，强推理者负责思考，即"一个天才，多个头脑"。该团队公开了全部 200 个案例的回放，以及相关代码和更多关于智能体集群行为的博弈案例研究。
arXiv cs.AIAI 评分3737 3DCodeVerse：将 3D 世界作为代码探索
研究者推出 3DCodeVerse 研究生态，让编码智能体大规模生成可编辑、可验证的 3D 内容，包含 3DCodeVerse-2M 大规模可执行 3D 代码数据集、基于多智能体有向无环图的 3DCodeVerse Harness 生成与优化框架，以及系统性 3D 编码实证研究。
arXiv cs.CLAI 评分2727 用小型宽松许可开源模型实现校准的证据推断
研究者用低秩适配器和分类头微调 Qwen3-4B-Base，用于证据推断任务，判断试验结果是显著增加、显著减少还是无显著差异。该模型仅用 2,657 篇训练文章中 1,431 篇 CC BY、CC0 或公有领域文章微调，以 Apache License 2.0 发布并可在笔记本上运行。
arXiv cs.CLAI 评分3434 RefactorPlatform：用于仓库级重构智能体受控评估的开源测试框架
RefactorPlatform 是一个开源评估框架，通过固定环境、显式变化模型骨干（OpenRouter 与 GitHub Copilot CLI）、执行模式（基线、检索增强、多智能体）和提示词具体度，对仓库级重构智能体进行受控评估。
arXiv cs.CLAI 评分2626 MIXAR：将自回归像素级语言模型扩展至多语言与多文字系统
MIXAR 是首个生成式多语言像素级语言模型，在八种高资源语言（覆盖拉丁与 CJK 文字）上预训练，参数规模扩展至 0.5B。它用基于 GRPO 的强化学习阶段替代此前像素模型不稳定的对抗训练，在多语言基准上把自由生成准确率最高提升 2.3 倍，并在判别式基准上与同类 tokenizer 模型持平。
arXiv cs.CLAI 评分4040 MoCo：一站式模型协作研究 Python 库
研究者推出 MoCo，一个用于大规模执行、评测和比较模型协作算法的一站式 Python 库，涵盖 26 种模型协作方法与 25 个评测数据集。实验显示，多数协作策略在平均 61.0% 的（模型、数据）设定中优于无协作模型，最优方法提升幅度最高达 25.8%。
arXiv cs.CLAI 评分3636 TimeCap：面向可穿戴健康时间序列数据的可扩展开源标注流水线
研究团队发布开源确定性标注流水线 TimeCap，无需语言模型参与、直接基于信号生成标注，可通过编写通道定义扩展至新 schema。将其应用于 MyHeart Counts 可穿戴数据集 OpenMHC 后生成 MHCap，覆盖 19 个 Apple HealthKit 通道、908,944 人日共 7,005,763 条标注。
arXiv cs.AIAI 评分2424 LOADBench：面向 IC 设计机器学习的大型开放模拟数据集与基准
LOADBench 发布了一个面向模拟 IC 设计机器学习的大型开源数据集与标准化基准，包含 SkyWater130 PDK 中 100 多种运放拓扑（1、2、3 级），每种拓扑附带结构与功能标注、尺寸约束、Ngspice testbench，以及 NSGA-II 多目标尺寸优化产生的约 10³ 个 Pareto 最优和 10⁶ 个中间尺寸-性能数据对。
arXiv cs.AIAI 评分6060 JevAgentHarness：让决策模型与 LLM 共享控制权的基准、部署与训练
论文提出 JevAgentHarness，把智能体每一步的工具选择等决策委托给决策模型，仅在置信度低于阈值时交由 LLM 决定。作者构建 AgentDecisionBench，覆盖从孤立问题到控制运行中智能体的测试；孤立问题上最准的决策模型仅解决 69.5% 的智能体任务，未拟合置信度阈值时委托工具选择会使成功率下降 19.0 个百分点。
arXiv cs.AIAI 评分6666 MAI-Gym：面向移动与电脑环境的 GUI 智能体评测与 RL 训练一体化开源平台
MAI-Gym 是一个开源一体化平台，统一移动、电脑和网页环境下的 GUI 智能体评测、数据采集与在线 RL 训练，支持十项基准并扩展到 20000 个并行环境实例。
arXiv cs.CLAI 评分2020 DeepUnfolding-Agent：一个经典-量子自适应控制 API
DeepUnfolding-Agent 是一个基于 FastAPI 的 schema 驱动平台，将深度展开自适应控制以外部软件服务形式提供，使控制器逻辑与任务训练脚本解耦。
arXiv cs.MAAI 评分7171 Athanor：面向自主后训练研究的智能体原生系统
研究者提出 Athanor，一个在真实 GPU 上运行的智能体原生自主后训练研究系统（AutoPostTrain），让智能体自行读取数据集与评测结果、构建训练数据、修改训练算法并调参。
RadarAIAI 评分3030 开源权重模型零样本表现如何？ORA 在 RoboTwin 达 69.2%、LIBERO-Pro 达 81.4%
Hao AI Lab 公布开源权重模型零样本评测结果：ORA 在 RoboTwin 上达到 69.2%，在 LIBERO-Pro 上达到 81.4%。带任务专属记忆的 RPent 在 RoboTwin 上配合 GPT-5.5/Opus-4.7 分别为 62.4%/58.4%，在 LIBERO-Pro 上配合 Opus-4.7 达到 82.4%。同一批案例，不同系统表现各异。
RadarAIAI 评分4040 Hao AI Lab：同一智能体适配 ARX X5、ALOHA 和 Franka 多种机器人
Hao AI Lab 展示同一智能体可适配 ARX X5、ALOHA 和 Franka 三种机器人，通过机器人卡片描述各自的几何结构与控制方式。同一套测试框架即可运行这三种机器人，各自使用专属的卡片、工具和控制器。
RadarAIAI 评分4040 Hao AI Lab 展示同一智能体适配 ARX X5、ALOHA 和 Franka 机器人
Hao AI Lab 展示同一智能体可适配 ARX X5、ALOHA 和 Franka 三种机器人，通过机器人卡片描述各自的几何结构和控制方式。同一套测试框架即可运行这三种机器人，使用各自专属的卡片、工具和控制器。
RadarAIAI 评分2222 Hao AI Lab 发布 ORA 博客与代码
Hao AI Lab 发布了 ORA 的博客与代码，作者为 Yuanbo、Siyi Chen、Jun Gao 和 Hao Zhang。相关内容通过 X 平台于 2026-10-16 公布，正文未披露 ORA 的具体功能、参数或开源许可细节。
RadarAIAI 评分4949 NVIDIA 与 AI4Bharat 开源 2.8 万亿 token 的 Indic 预训练语料及数据生成管线
NVIDIA 联合 IIT Madras 的 AI4Bharat 发布 Nemotron-pretraining-Indic-v1，约 2.8 万亿 token，覆盖印度宪法列出的 22 种语言，含 2601.0 亿原生文字 token 和 224.6 亿罗马化 token（按 Gemma-4 tokenizer 计）。
RadarAIAI 评分4848 Microsoft Research 发布 zkVM 系统 Magnetar，比现有最快系统平均快 10 到 39 倍
Microsoft Research 发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的 RISC-V 程序，在 15 个基准程序上平均比现有最快 zkVM 快 10 到 39 倍。在笔记本电脑上每秒可证明 720 万至 870 万条处理器指令，证明约 12 毫秒内可验证，安全性只依赖 SHA-256 或 SHA-3 等标准哈希函数，无需受信任设置或椭圆曲线。
arXiv cs.AIAI 评分2626 ViTeX-Bench：高保真视频场景文本编辑基准发布
ViTeX-Bench 是一个面向视频场景文本编辑的基准套件，包含 387 个真实 720p 视频（230 个配对编辑用于训练、157 个冻结评测集）和覆盖文本正确性、视觉时序质量、编辑局部性的 13 项指标三轴评测协议。团队同时开源 ViTeX-Edit-14B 参考编辑器，在配对训练集上微调并采用运动对齐的字形-视频条件，CharAcc 达 0.688，为所评测视频原生编辑器中最高均值。
arXiv cs.AIAI 评分2424 Eval4DiRec：面向扩散模型推荐系统的统一系统化评估框架
Eval4DiRec 是首个专为扩散模型推荐系统设计的统一开源评估框架，支持 5 种推荐场景下的 14 个代表性扩散推荐模型，提供一致可复现的实验设置。基于该框架的大规模基准测试揭示了扩散模型在推荐任务上的强劲潜力，同时暴露了显著影响性能的关键因素与实际挑战。该工作已被 ACM TKDD 接收，代码与数据已公开。
arXiv cs.AIAI 评分3232 用规模缩小差距：Scaling Point-in-Time 语言模型实现嵌入向量的经济评估
研究者用 FineWeb 中 1 万亿按时间过滤的 token 训练了最高 4B 参数的 decoder-only Transformer，构建了覆盖 2013-2024 的逐月模型检查点，以消除训练数据中的未来信息泄漏。
arXiv cs.AIAI 评分3737 自我对弈加少量人类数据，让驾驶策略学会类人自主性
一项被 CoRL 2026 接收的研究提出，在最小安全到达奖励之上把人类演示当作正则化目标，仅用 30 分钟人类演示数据（比同类模仿学习方法少 2500 倍）即可让自我对弈训练出的驾驶策略与人类轨迹协调一致。该方法在单块消费级 GPU 上 15 小时完成训练，缓解了纯自我对弈策略行为约定与人不兼容的问题。
arXiv cs.AIAI 评分3838 超越 GRPO 与在线策略蒸馏：语言模型后训练的稀疏到稠密奖励原则
研究提出"奖励密度原则"：稀疏序列级奖励适合让强模型探索发现更优行为，稠密 token 级教师监督则适合将行为压缩进小部署模型，稀缺标注数据应先用在上游最强教师上。
arXiv cs.AIAI 评分2222 Pickalo：用 6D 位姿估计实现低成本工业料箱抓取
Pickalo 是一套完全基于低成本硬件的模块化 6D 位姿料箱抓取流水线，腕装 RGB-D 相机主动多视角探索场景，BridgeDepth 处理原始立体流获得精细深度图，Mask-RCNN 仅用合成数据训练完成实例分割，再由零样本 SAM-6D 估计位姿，位姿缓冲模块融合多视角观测以处理对称物体并降低位姿噪声。
arXiv cs.AIAI 评分2929 MoMa-SG：面向开放世界移动操作的铰接式 3D 场景图
MoMa-SG 是一个构建铰接场景语义-运动学 3D 场景图的框架，通过遮挡鲁棒的点跟踪与统一 twist 估计，在单次优化中稳健估计旋转和移动关节参数。研究同时发布 Arti4D-Semantic 数据集，涵盖 62 段真实 RGB-D 序列、600 次物体交互及三种观测范式，并提供容器与内含物体的父子关系标注。在四足机器人和移动操作平台上的真实实验验证了其对日常家居铰接物体的稳健操作能力。
arXiv cs.AIAI 评分2424 FlowWise：面向流式流量的有状态快慢模型服务系统
FlowWise 是一个面向流式有状态流量智能的服务系统，通过不确定性驱动的快慢级联，先用单包模型给出早期预测，仅将不确定的流升级到等待更多数据包的慢模型。它能在 16 ms 内服务 76.3% 的流，中位端到端延迟改善 40.5x，单台 16 核 CPU 服务器每秒可承载超 48.5k 新流，代码已开源。
arXiv cs.AIAI 评分2323 JaxAHT：基于 JAX 的 Ad Hoc Teamwork 开源库
研究者发布 JaxAHT，首个基于 JAX 的开源 Ad Hoc Teamwork（AHT）库，统一支持队友生成、ego agent 训练与 unseen teammate 评估，相比现有 PyTorch 实现取得约 95x 墙钟加速。
arXiv cs.AIAI 评分3737 OctoLong：用跨仓库代码上下文做中期训练提升长上下文建模
研究团队提出 OctoLong，一套结合 AST 解析器、语言服务器后端与包管理器递归检索代码引用的上下文工程流水线，可构建长达数百万 token 的依赖丰富代码上下文。
arXiv cs.AIAI 评分4141 ALIGN：通过自动接口生成实现智能体与环境的对齐
针对 LLM 智能体与环境之间的"智能体-环境错位"问题，研究者提出 ALIGN 框架，通过自动生成接口丰富环境静态信息与逐步观测，以轻量级 wrapper 形式实现对齐，无需修改智能体逻辑或环境代码。在具身任务、网页导航和工具使用等多个领域实验中，该方法在 ALFWorld 上成功率最高提升 45.67%，且生成的接口可跨不同智能体架构和 LLM 骨干泛化，无需重新生成。
arXiv cs.AIAI 评分3434 RoboSimStudio：面向机器人操作任务的人与智能体快速 Real2Sim 交互工具包
RoboSimStudio（RSS）是一个交互式工具包，将求解器、接触模型和物理参数的选择显式化并可编辑，让人类和编码智能体都能基于观测到的物理行为快速创建并迭代优化仿真。该工具基于开源 Newton 物理仿真系统实现，并开展了人类引导 real2sim 的三类实验：视觉评估、力反馈以及智能体化的 Real2Sim2Real。
arXiv cs.AIAI 评分6262 Steertuning：用 5 段人类视频让机器人学会新任务
研究者提出 Steertuning 系统，让机器人在新环境中仅凭 5 段人类演示学习新任务，整个流程从数据采集到策略部署不到 5 分钟。该系统先在 100 小时带密集标注的第一人称人类交互数据上预训练一个 400M 参数的扩散策略，再针对新任务微调 2 分钟（2000 次训练更新），并在反向采样时用与部署环境观测最接近的演示来引导动作。
arXiv cs.AIAI 评分2222 Agaram 2.5B：首个从零训练的泰米尔语优先语言模型，支持工具调用
研究团队从零训练了 Agaram 2.5B——一个 25 亿参数的泰米尔语-英语模型，在约 500 亿 token（58% 泰米尔语）上使用单节点 8 张 H100 GPU 耗时约六天完成。
arXiv cs.AIAI 评分2929 HaloBlock：为扩散大语言模型带来更快更好的解码
HaloBlock 是一种面向扩散大语言模型（dLLM）推理的难度感知自适应 halo 机制，通过双向累积熵刻画块解码难度，并在每个块两侧自适应分配双向 halo 区域以缓解边界上下文不连续。在 LLaDA-8B-Instruct、Dream-7B-Instruct 和 LLaDA-1.5 上针对数学推理与代码生成基准的评测显示，HaloBlock 在准确率与推理效率上均有一致提升，源代码已公开。
arXiv cs.AIAI 评分2727 I3L：面向全身移动操作迭代交互式模仿学习系统
针对离线示教策略在长时程全身移动操作中因复合误差而失效的问题，研究者提出 I3L 软硬件一体化系统，通过低成本开源 JoyLo+ 接口实现全身协同纠错与迭代策略精炼。
arXiv cs.AIAI 评分2626 FlashVSR+：通过混合注意力与奖励产出分布匹配实现高效视频超分
FlashVSR+ 通过混合注意力架构与奖励产出分布匹配蒸馏（Ry-DMD）训练策略，实现最高 2 倍 DiT 加速和 45% 峰值内存降低，可在单张 24GB RTX 4090 上完成空间不分块的 4K 视频超分。Ry-DMD 利用奖励加权教师 rollout 将黑盒奖励纳入分布匹配，无需通过奖励模型反向传播，并可推广至 T2I 生成。代码、模型与训练数据已开源。
arXiv cs.AIAI 评分3131 删除代码而不丢失知识：面向 Python 库的再生式软件
开源包 spotregen 实现了 Fowler 提出的七项再生式软件原语，让程序可被删除重建而不丢失知识：知识以机器可读记录存于受追踪目录，每个单元据此生成包含架构、意图、决策、公共契约、评估与消费者但无实现的 regeneration bundle。
arXiv cs.AIAI 评分2222 AIPOCH Open-Science：带可复现 .science 包的开源 AI 研究工作台
AIPOCH Open-Science 是一个开源 AI 研究工作台，通过可移植的 .science 会话包记录研究中的指令、计算、产物修订与检查关系，并给出交换契约。受控会话测试了错误初版、经审查修正、未审查修订与计划未执行步骤，完整与部分导出均保留版本和审查关联，并将排除内容标记为不可用。独立注册表案例中，离线执行保留脚本与固定输入逐字节复现了两张已保存 CSV 表。
arXiv cs.AIAI 评分2626 KNN 实现细节可大幅改变性能：以 Cover Tree 为例
研究者以 Cover Tree 为例推出统一 Rust 实现 RustKNN，涵盖三种构建变体与三种查询模式，发现实现细节会显著改变算法性能排名。最优查询策略取决于 k 与数据集，选错查询模式运行时最多差 7.5 倍；cover tree 的 base 参数在 dual-tree 搜索中并非安全默认值，1.3 仅在七个数据集之一上最优。
arXiv cs.AIAI 评分4444 Davinci-Tool：用可验证可执行环境扩展智能体工具使用监督
研究团队推出 30B 工具使用模型 Davinci-Tool 及执行锚定数据集 Davinci-ToolData，通过 Execution-Grounded Task Synthesis 与 Executable Environment Synthesis 两条流水线生成 30,395 条已验证轨迹、覆盖 2,260 个工具名。