康斯坦茨大学AI智能体群体行为：复制解释大部分涌现结构
论文基本信息 原文标题： Copying explains the collective behavior of AI agents in the wild 首次公开： 2026年9月8日 署名单位： 康斯坦茨大学、恩里科·费米研究中心、意大利联合圣保罗银行数据与人工智能办公室、维也纳复杂性科学中心 原论文链接： https://arxiv.org/abs/
最新文章
共 1811 篇
广西大学等三校长上下文记忆：128K稳定，8窗口回忆仅25%
论文基本信息 原文标题： Separating Stream Stability from Long -Term Recall in Language Models 首次公开： 2026年9月7日 署名单位： 广西大学、重庆交通大学、广东工业大学 https://arxiv.org/abs/2609.07282
南洋理工大学Linux提权安全基准：531个场景测出模型能力差4倍
论文基本信息 原文标题： P r i v E s c a l a t e : Measuring and Augmenting the Threat of L L M - A u t o m a t e d Linux Privilege Escalation 首次公开： 2026年9月8日 署名单位： 新加坡南洋理工大学、西安交通大学 会议： 2026年计
加州大学洛杉矶分校×Adobe Bolei Zhou团队多智能体世界模型：世界分升至105.1
论文基本信息 原文标题： 多智能体自回归扩散模型与世界状态寄存器（Streaming Multi-Agent Autoregressive Diffusion Model with World State Registers） 首次公开： 2026年7月23日 署名单位： 加州大学洛杉矶分校、Adobe Research 原论文： https://arxiv
谷歌大语言模型智能体：自进化程序图让长链工具执行更稳
原文标题： Procedural Graphs: Self- Evolving Execution Structures for L LM Agents 首次公开： 2026年9月8日（arXiv v1） 署名单位： 谷歌、佐治亚理工学院、北京大学 研究领域： 大语言模型智能体、工具调用、长程规划、程序性记忆 原论文： https://arxiv.org/a
阿里巴巴Jingren Zhou团队长上下文训练：Libra吞吐最高提升2.54倍
原文标题： Libra: Taming Attention Workload Skew in Long-Context LLM Training with Bounded Sequence Pool 首次公开： 2026年7月25日 署名单位： 中国科学院大学、阿里巴巴集团、新加坡国立大学 核心术语： 长上下文训练（Long-Context）、大语言模型（L
快手可灵团队视频生成推理：Vid-PRE让Wan2.2准确率提升67%
原文标题： “以视频思考”方法（Think-with-Video）对应原文题名：From Evaluation to Enhancement: Benchmarking and Improving Think-with-Video Reasoning for Video Generative Models 首次公开： 2026年9月10日 署名单位： 新加坡
复旦大学×美的×卡内基梅隆大学具身操作：恢复数据让折衣成功率升至95%
原文标题： RoboFolDeX: A Physical-World Benchmark for Long-Horizon Robotic Manipulation of Deformable Objects 首次公开： 2026年9月9日 署名单位： 复旦大学、美的集团（上海）人工智能研究中心、卡内基梅隆大学 原论文： https://arxiv.org/
何恺明团队VISTA视觉智能体：13.33分升至99分
原文标题： VISTA: A Visual Harness for Reasoning in an Interactive World 首次公开： 2026年10月1日 署名单位： 麻省理工学院 知名研究者： 何恺明团队 原论文： https://arxiv.org/abs/2610.02200 项目主页： https://vista-research.gi
伯克利与Impossible视频生成：14.3秒视频6.70秒去噪
原文标题： Video DeltaNet: A Video-Native Hybrid Attention for Livestream Video Generation 首次公开： 2026年9月17日 署名单位： 加州大学伯克利分校、Impossible公司、得克萨斯大学奥斯汀分校 原论文： https://arxiv.org/abs/2609.2074
Alaya Lab可编程世界模型：角色计数94%，状态一致性98%
原文标题： Programmable World Model 首次公开： 2026年9月10日 署名单位： Alaya Lab 原论文： https://arxiv.org/abs/2609.10540 项目页： https://alaya-lab.github.io/pwm 开源代码： https://github.com/AlayaLab/pwm
纽约大学与AMI Labs世界模型：稀疏表示让PushT规划成功率最高提升57%
很多世界模型都在追求更大、更密、更强的潜变量和预测器。这篇工作偏偏反过来问：如果让大量潜变量维度直接归零，只保留少数活跃维度，未来会不会反而更好预测？纽约大学与AMI Labs团队给出的答案很有意思：在困难的PushT规划任务中，稀疏表示没有包打天下，却让中等容量预测器相对稠密基线提高24%—57%的规划成功率。真正值得看的，不只是“57%”这个数字，而是它
