A-RSI
用于零数据多模态自我提升的自适应任务刷新
论文：https://huggingface.co/papers/2610.38568 https://twitter.com/_akhaliq/status/2116226251941642405
仅在需要时观察：基于证书引导的视觉路由，实现高效扩散 VLM
论文：https://huggingface.co/papers/2610.36671 https://twitter.com/_akhaliq/status/2116165005129507300
内在分布匹配
论文：https://huggingface.co/papers/2610.39633 https://twitter.com/_akhaliq/status/2116157881812680984
CausGround
面向自适应具身规划的因果交互落地研究
论文：https://t.co/Fbd9VRf60Z https://t.co/a1N8UqLlHk
推理型大语言模型中的摊销式序列实验设计
面向真实声学场景的高效流式音视频目标说话人提取
OmniShowcase
基于多视图图像的全向主体一致性视频生成
论文：https://t.co/wcU8KWIRB5 https://t.co/t6zhZGTVMV
Hy-Nomas
迈向自由形式的交互式世界生成
论文：https://huggingface.co/papers/2610.36729
应用：https://huggingface.co/spaces/tencent/hy-nomas
表征不可见：
重新思考空间推理中的视觉想象力
论文：https://huggingface.co/papers/2610.37437 https://twitter.com/_akhaliq/status/2115479847598195150
ThinkWorld
世界想象强化了动态链推理 (Chain-of-Dynamics Reasoning)
论文：https://huggingface.co/papers/2610.37666 https://twitter.com/_akhaliq/status/2115463926184116648
MiRL：针对错误的强化学习，用于纠正智能体末端的错误行为。
论文：https://huggingface.co/papers/2610.35697 https://twitter.com/_akhaliq/status/2115117941972684835
InteractiveWorld
一个用于构建更出色的交互式 MLLM 助手的、可验证的以人为中心的环境
论文：https://huggingface.co/papers/2610.33966 https://twitter.com/_akhaliq/status/2115097545147924900
StreamVibe
面向不断演进用户意图的主动式视频智能体
论文：https://huggingface.co/papers/2610.34662 https://twitter.com/_akhaliq/status/2115095386792616279
利用稀疏自编码器构建可审计的 AI 文本检测器
同策略自训练 (On-Policy Self-Training)
大语言模型的无数据自我提升
论文：https://huggingface.co/papers/2610.32770 https://twitter.com/_akhaliq/status/2114730501626015880
HiSTEVE 1.0
利用人机交互 VLA 智能体赋能开放世界游戏
论文：https://huggingface.co/papers/2610.31162 https://twitter.com/_akhaliq/status/2114730217562665324
展望未来
自回归视频生成中的未来演变建模
OpenVLHarness
基于多模态记忆的真实世界视觉智能体工具使用
论文：https://t.co/DIsy4KDpMa https://t.co/7TPrVokAQV
BizBench
揭示在真实业务场景中部署长程智能体的潜在挑战。
论文：https://huggingface.co/papers/2610.20424 https://twitter.com/_akhaliq/status/2112249207969235093
基于数据空间迭代的少步生成
OmniCompass
全模态视频定位与理解的综合性基准
论文：https://huggingface.co/papers/2610.18829 https://twitter.com/_akhaliq/status/2111145194511012301
混合推理智能体
论文：https://huggingface.co/papers/2610.18861 https://twitter.com/_akhaliq/status/2111017984462602438
从失败到可学习的世界：面向导航智能体的策略条件环境生成
Player-1
从合成经验中学习如何玩游戏
论文：https://t.co/qGBODdcfqW https://t.co/iQMkiM0UDB
VideoJev
面向视频理解与交互的 System One 模型
论文：https://huggingface.co/papers/2610.18615 https://twitter.com/_akhaliq/status/2110423274413056230
思维惯性
即便被要求停止，大语言模型仍会持续思考。
论文：https://huggingface.co/papers/2610.11765 https://twitter.com/_akhaliq/status/2110413943034491358
具身图灵机
用于机器人递归自我改进的有状态代码
论文：https://t.co/hZTIxKkmrN https://t.co/2aqlUyhkIx
BudgetPix
面向像素空间图像扩散的计算自适应 Token 化技术
论文：https://t.co/1nHZfWMeWq https://t.co/aXfvKb3LUS
智能体可塑性
通过经验衡量自我提升
论文：https://t.co/bNwQRZJEDZ https://t.co/0V5WcH4orr
Iris-3B
超越潜空间：基于像素空间的扩散训练、转换与微调
论文：https://t.co/3XEpGbAxda https://t.co/7cOKaMzSYL
面向世界动作模型的视频原生动作先验学习
PAMI
基于部件锚定的文本驱动人机交互动作生成
论文：https://t.co/aZ6bQkdJ9r https://t.co/V4p0lQWxSQ
旧思路，新问题
基于大语言模型的新颖性评估之不稳定性
论文：https://t.co/ylt1iCjkeq https://t.co/aOM3ADBEqP
LIFT
通过在策略自我蒸馏实现大视角变化下的未来布局视频生成
论文：https://t.co/DBvW1lf68R https://t.co/BB5jmNqbLH
LongLive-Plug
面向视频生成的一次性（Once-for-All）蒸馏技术
论文：https://t.co/hi1n0h3Ud9 https://t.co/FIN7EJaxfC
Omni-IO 能力
释放全模态原生智能体的潜力
论文：https://t.co/k9IQB40rPe https://t.co/ymlAwTDGtU
LEGO-Anything
用于 3D 场景重建的编程智能体
论文：https://huggingface.co/papers/2609.36380 https://twitter.com/_akhaliq/status/2105430425657364973
10月16日，我将参加在旧金山 The Midway 举办的 Hugging Face Open Together 活动。
报名请点击：https://luma.com/OpenTogether
SpatialClaw
重新思考面向智能体空间推理的动作接口
论文：https://huggingface.co/papers/2606.13673 https://twitter.com/_akhaliq/status/2105203437680168986
Audio8 ASR Infinite
流式语音识别模型
原生流式架构支持每秒 12.5 次解码。
滚动 KV Cache 技术确保即使在 24/7 全天候运行下，内存占用和延迟也能保持恒定。
每个时钟步输出一个文本 token（每秒进行 12.5 / 8.3 / 6.25 次决策），在感知粒度与资源成本之间取得了平衡。
HuggingChat 的机器学习实习生搭建了一个 Gradio 工作流进行体验：https://huggingface.co/spaces/akhaliq/audio8-asr-workflow
HuggingChat: https://huggingface.co/chat/
模型：https://huggingface.co/Edge0/Audio8-ASR-Infinite
FuseReg
通过层融合正则化缓解表示自编码器中的重构与生成差距
论文：https://t.co/6RgM6Hh1El https://t.co/kLeBvpBRsW
ProgramDistill
从交互式 Web 应用到可验证的参考引导型 SWE 任务
论文：https://huggingface.co/papers/2609.18805 https://twitter.com/_akhaliq/status/2103952916545761536
Qwen-Image-2.1-viggle-turbo v0.2 已上线 Hugging Face
只需 6 步即可实现文生图和图像编辑
速度比需要 40 步的 Qwen-Image-2.1 快约 5 倍
模型：https://t.co/Vhjz6p8OPH https://t.co/jeXJfxgQU5
在世界模型中训练物体恒常性
paper: https://t.co/SBjPcviccm https://t.co/R536Bm79zj
Pruna-Qwen-Image-2.1
一套少步数 LoRA 适配器，可让 Qwen-Image-2.1 的图像生成与编辑速度提升高达 6.3 倍。
只需 5 或 8 步即可完成图像生成或编辑（原需 40 步）。追求极致速度请选 5 步，兼顾效果与效率请选 8 步。
HF 工作流：https://t.co/kTwcspvqYT
论高维潜变量的可扩散性
论文：https://t.co/sBSxhcsfI4 https://t.co/DOi6QxMgKI
对比语言模型
HF: https://t.co/hyaprtTydE https://t.co/uiWBQSgD9D
将 VLM 的智能迁移至机器人控制
paper: https://t.co/JyULyeMWtc https://t.co/doyUBxuqk2
onPanda：通过 Token 级纠错实现 LLM 与智能体在策略对齐数据的高效标注
论文：https://t.co/1QQvCBq8Ci https://t.co/tyo4JQILzP
RRSI：智能体框架的正则化递归自我改进
论文：https://t.co/ZziXvCEFhk https://t.co/y6R9t7AP1M
WorldCrafter
具备隐式3D感知记忆的一致性视频世界模型
论文：https://t.co/lUHlMZWXSN https://t.co/vd9agFM3wL
CodeMidas
基于代码本身扩展智能体编程强化学习环境
paper: https://t.co/18V8SeXomn https://t.co/CSu8pi7HDO
Qwen-Image-2.1 is out on Hugging Face
app: https://huggingface.co/spaces/akhaliq/Qwen-Image-2.1 https://twitter.com/_akhaliq/status/2101679817762734150
JEPA-Anything
跨越不同世界的预测模型学习
论文：https://t.co/2uk6ISgqLv https://t.co/dgVaYHlFs5
编程智能体评估框架设计的实证研究
论文：https://t.co/pqcxSfs1h0 https://t.co/VyPWiNWJNK
Agora
Git：集体自动化研究的共享内存
论文：https://t.co/muPSf8sevw https://t.co/gb11wcpNNt
LimiX-2
一种面向通用结构化数据智能的上下文机制网络
论文：https://t.co/Xf7nmZzLJk https://t.co/dMCpDtK48J
StepAudio 3 实时技术报告
论文：https://t.co/4OM7SP4NSQ https://t.co/f6ytQm8nx7
持续学习机制通过组合实现长程记忆
paper: https://t.co/uxop9VYkNs https://t.co/I7aVbCPIvA
Vidu S2
实时交互、可编辑的空间视频生成
论文：https://huggingface.co/papers/2609.11638 https://twitter.com/_akhaliq/status/2099883001840828920
SAS：通过上下文排序的端到端优化实现简单的注意力稀疏化。
AuK 技术报告
一款用于语音生成与编辑的开源基础模型
论文：https://huggingface.co/papers/2609.08936 https://twitter.com/_akhaliq/status/2097857652651167838
Marigold V2
重新探索用于单目深度估计的 Diffusion Transformer
论文：https://t.co/718T7p8wCZ https://t.co/MJTvHC9jCt
NeoHorse-1
通过路由机制下的智能体后训练，实现递归式自我改进。
论文：https://t.co/8Fe4IXknmm https://t.co/vrQkwKDcHK
通过离散扩散实现 LLM 的无损加速
论文：https://t.co/POqau2xMHp https://t.co/iqz1jNoD4t
匹配，需双向奔赴：基于强化学习的生成式检索器协同演化
paper: https://t.co/LsIVFkh8Fy https://t.co/qCx1TJ6wQy
HarnessDev
大语言模型能否构建并演进自身的智能体框架？
论文：https://t.co/WzpSAKWiuD https://t.co/wMwV4GjoDC
Repo-To-Skill
将 GitHub 仓库提炼为 AI4AI 技能
论文：https://t.co/pNAXP4q2MJ https://t.co/eQD38kpHVS
在线策略蒸馏真的在起作用吗？
从噪声教师到自我提升
LoopArena
将模型作为循环工程（Loop Engineering）运行时控制器的基准测试
论文：https://huggingface.co/papers/2608.28281 https://twitter.com/_akhaliq/status/2094511483639963904
代码即世界：通过智能体探索用于物理推理的可执行世界表示
论文：https://t.co/b9FTr6cfqu https://t.co/CEd2ySybb8
VGI-Bench
评测视频生成模型的视觉智能
论文：https://t.co/nHII38Xnr2 https://t.co/62P5mSz7RA
开放世界多智能体环境下的自主数学发现
Apodex 1.1
为复杂工作扩展智能体智能化能力
论文：https://t.co/bZUS55viAw https://t.co/UWeTBvUj4S
学习世界的演化规律：通过潜动力学推理实现外推式视频世界模型。
论文：https://t.co/3ZZNem8VKg https://t.co/oJLnoUkQ0U
InfinityEdit
利用轻量级 Edit-Ignition 适配器实现无限视频编辑
论文：https://t.co/AnI1w6eCLI https://t.co/Q0DKxlcQKb
MiniMax-Music3 Gradio 工作流发布了。
SCoPE
面向视频扩散 Transformer 的视线坐标位置编码
模型：https://t.co/y0ZbNTYQoy https://t.co/zZLjvLxAWR
BDH-CQ
基于循环隐式推理的上下文学习
论文：https://t.co/5AiCPxyujR https://t.co/OC5tTPgtaD
SWE-Bench ProMax
大规模多语言代码重构智能体基准测试
论文：https://t.co/2DO56pDC95 https://t.co/JtZpMSoTNF
MatrAIx
用 83 亿个人格化智能体模拟世界
论文：https://huggingface.co/papers/2608.04205 https://twitter.com/_akhaliq/status/2086894806932865475
迈向技能原生大语言模型
利用技能熵进行长程推理的基准测试与训练
论文：https://t.co/3WsZbeXLIH https://t.co/9oieS0C4U9
没用 LoRA https://t.co/ms1wpQ2A0B
MiniMax-H3-Turbo-Lora
https://huggingface.co/spaces/akhaliq/MiniMax-H3-Turbo-Lora https://twitter.com/_akhaliq/status/2085411261404094506
迈向多模态预训练的物理学：
知识流、模态协同、早期统一与训练方案
论文：https://t.co/8G17AyXMeb https://t.co/aboU9OJ1zB
MerchantBench
针对电商运营中大语言模型智能体长期一致性的基准测试
论文：https://t.co/iu4fv9KBgn https://t.co/8gj04VjJF0
DAPD：双锚点策略蒸馏
论文：https://t.co/fOFEmIK6M7 https://t.co/nnd5s33fme
LongHorizon-Harness
助力长程智能体应对现实世界任务
论文：https://t.co/ts89ezenct https://t.co/A9Xg0x5uD3
从 RLVR 到 RLSVR
任务转换为开放式大语言模型的自我提升引入了自验证奖励
论文：https://t.co/0Qs1tYkY9K https://t.co/VLmZr9r2SN
Qwen-UI-Agent 技术报告
迈向以真实世界为中心的下一代 GUI 基座智能体
论文：https://t.co/AKIbxQG6Jf https://t.co/tj9Gwf5VH9
探索性建模
解锁第三个预训练维度与端到端生成
论文：https://t.co/e0sFDi0KLe https://t.co/tkmsesinuE
ID-V2V
保持身份特征的视频重风格化
论文：https://t.co/rE6uMjXOSE https://t.co/KN2iyM5rM5
CoRT：面向 Token 级准则引导策略优化的反事实重放
论文：https://t.co/JDwdjy8xGX https://t.co/jrtIlBPyQy
TurboVLA
在 RTX 4090 上实现 32 Hz 实时运行的视觉-语言-动作模型，显存占用 < 1 GB。
论文：https://t.co/hu2f4oi0zl https://t.co/UhCU4N3zx6
相关性的新角色：
引导智能体搜索中的语料库交互
论文：https://t.co/Snx8zFEsk2 https://t.co/tk39ek9ycy
HiFi-UMI
仅通过高保真 UMI 数据学习可部署的操作策略
论文：https://t.co/u6LP9oGnHh https://t.co/9mcvC2MOCY
A.X K2 刚刚在 Hugging Face 发布
大规模稀疏 MoE (688B / 33B 激活)
https://t.co/nVr17DscD3 https://t.co/zOHc6ineWn
从闭源走向开源：通过智能体搜索中的多智能体协议蒸馏，弥合分布差距。
论文：https://t.co/12pWS0MUPj https://t.co/14KeU7AlWI
StateAct：面向长程计算机操作智能体，以程序状态取代像素。
https://huggingface.co/docs/inference-providers/integrations/claude-code