OpenBMB@OpenBMBAI 评分4949

清华NLP（OpenBMB成员）联合中科院大学、东北大学、UIUC和约翰霍普金斯大学提出One-Shot OPD，将训练集缩减到一条查询，发现OPD是"数据过喂但算法饥饿"。

RouteFM：面向 LLM 路由的基础模型，预训练一次即可跨环境路由

研究者提出 RouteFM，将 LLM 路由从针对特定查询负载和候选池的局部拟合，转向可复用的基础模型能力：它从行为上下文刻画匿名候选模型并推断其目标能力，而非绑定固定模型身份。

Tacit-TTS：从自回归解码到掩码预测的高效无转写语音克隆

Tacit-TTS 是一个从 IndexTTS2 蒸馏而来的无转写零样本语音克隆系统，用掩码非自回归生成替代自回归文本到语义解码，并引入免训练声学长度估计与 ReFlow 蒸馏加速流匹配渲染器。在四个中英文数据集上，其对超过 5 秒的语句生成速度比 IndexTTS2 快 10 倍以上，同时保持有竞争力的零样本质量。无转写条件还支持跨语言及非词汇参考，如其他八种语言、婴儿咿呀声和合成乱语。

Rules to Tools：为科学计算中的 LLM 智能体提供可执行检查

Rules to Tools（R2T）为科学计算场景的 LLM 智能体提供公开科学需求的可执行检查，在 SciCode 修复任务中，工具组完整修复达 29/30，纯文本组为 26/30。

FlexRouter：为灵活 LLM 路由学习互补模型集合

FlexRouter 是一个显式建模模型互补性的 LLM 路由框架，以「答案覆盖」为目标，最大化所选模型中至少一个给出正确答案的概率。它用 Determinantal Point Processes（DPPs）建模路由策略，并通过基于失败集边缘化的训练目标直接优化覆盖，推理时采用边际对数行列式增益的贪心策略，无需预设预算即可自适应确定子集大小。

RASO：通过跨 Harness 适配的检索增强技能优化

研究者提出检索增强技能优化框架 RASO，利用外部技能语料库作为先验知识，通过跨 Harness 适配解决领域与 Harness 不匹配问题。RASO 包含无需 agent rollout 即可构建初始技能的 RASI，以及依据执行反馈迭代优化技能的 RASU 两个阶段。在四个 agent benchmark 和两个模型上，RASO 持续优于无检索增强的基线方法。

MIST 测试揭示：无关图像会动摇 VLM 评判，而非提供信息

研究提出 MIST（Misleading-Image Stress Test），用 200 句可作比喻或字面理解的英文句子，分别配对齐图像、误导图像或无图像，要求仅凭句子作答。

MILO 论文提出多智能体协同演化框架自动发现 agent harness

arXiv 论文 2609.38349 提出 MILO（Meta-evolutionary Island Orchestration），协同演化 agent harness 与发现 harness 的搜索策略，包含岛屿树层级谱系记忆、重写完整 harness 的 mutator agent 和自适应 orchestrator。

SkillGym：用自动可验证环境生成训练技能使用智能体

SkillGym 是一套自动流水线，可从互联网抓取技能、筛选可离线复现的工作流，并通过 builder-reviewer 流程构建难度可控的任务，最终生成 6.8k 个环境和 19k 条已验证成功轨迹用于监督微调。

PixelUMM：无编码器的统一图像与视频理解生成模型

PixelUMM 是一个无需编码器的统一多模态模型，直接在像素空间完成图像与视频的理解和生成，将图像表示为空间 patch、视频表示为时空 tubelet，通过单层线性投影接入共享多模态主干。

音频-视觉大语言模型中的“问题接力”机制与 SECRET 去幻觉方法

音频-视觉大语言模型（AVLLM）存在源混淆接地幻觉，即未使用模态的线索会诱发所需模态不支持的回答。路径干预与表征分析揭示“问题接力”机制是成因，据此提出的免训练方法 SECRET 通过对比不同模态路径干预诱发的问题表征，将问题状态引向所需源证据。

LoopVL：循环视觉智能

LoopVL 将 Loop Transformer 扩展到视觉语言模型，通过 Module-Loop 与 Model-Loop 计算，用共享模块迭代更新统一的视觉语言状态。该模型从零开始经语言预训练、多模态训练和后训练，在多模态理解与视觉推理基准上超过同规模及更大规模的非循环模型。研究还观察到 LoopVL 出现"视觉顿悟时刻"，即视觉注意力随循环次数发生显著转移。

NEEDLE：通过权重正交化移除 LLM 后门

NEEDLE 提出一种无需训练的后门移除方法，在识别触发词后，通过激活向量估计后门方向和拒绝子空间，并应用顺序权重正交化来抑制后门，同时防止拒绝相关表征发生变化。该方法无需干净参考模型或原始中毒训练数据。在多个模型家族和攻击类型上的评估中，NEEDLE 取得了最低的平均攻击成功率（ASR），在具有挑战性的代码注入攻击上达到 0%，且 KL 散度最低，能力和安全性变化最小。

HeteroFold：面向异构多智能体 LLM 的免预填充跨模型族 KV Cache 传输

HeteroFold 是一种免预填充的跨模型族 KV Cache 传输方法，可在发送方与接收方均冻结的前提下对齐模型结构、映射并校准缓存。在六个传输方向上，它于四个长上下文基准上均取得最佳缓存传输表现，并在多智能体基准上追平文本通信。

TERRA：面向肌肉骨骼运动的地形感知重建、重定向与控制

TERRA 是一套端到端流水线，仅凭运动学轨迹即可结合地形先验、估计接触与负自由空间证据恢复支撑几何，并在重定向中考虑解剖、肌腱连续性与接触约束。基于五个数据集生成的运动-地形配对，团队用 9.4 小时多样化运动数据训练出单一肌肉驱动控制策略，在重建、重定向与留出跟踪基准上提升地形精度、大幅减少解剖与交互违规，并在各类支撑地形上取得最高完成率。

Adaptive Reward Routing：面向音视频联合扩散模型的前向过程 RL 动态多奖励优化

针对音视频联合扩散模型的多奖励强化学习，研究者提出 Adaptive Reward Routing，在 DiffusionNFT 前向过程 RL 中同时自适应调整更新位置与奖励组合。

E-MoE：面向非因子化扩散语言模型的增强型混合专家架构

E-MoE提出将反向生成过程构建为基于MoE骨干网络专家路由决策的离散共享隐变量上的因子化分布混合，在不增加活跃参数的前提下提升少步生成质量。在合成多模态基准、二值化MNIST和LM1B上，E-MoE均优于因子化基线模型，缓解了掩码扩散模型在少步场景下因位置因子化导致的样本质量限制。

研究智能体的预测信用：科学解释对实验预测的增益测量

一项研究提出"预测信用"协议，通过配对预测衡量研究智能体给出的科学解释对实验预测的增益，在336个前瞻状态、12个Tox21端点和24个OpenML任务上测试，v5的冻结信用判定未能得出结论。

自注意力在竞争下的检索容量研究

研究通过保留每个注意力头、层和查询中注意力权重最高的 token 并测量 NLL 增幅，估算语言模型维持损失容差所需的有效注意力集合大小。基于注意力的选择显著优于随机选择，扩展上下文会增大所需集合大小但其占上下文比例下降，对保留权重重新归一化可大幅缩小该集合。

Prompt2Skill：仅凭自然语言指令实现无监督技能优化

Prompt2Skill 是一个仅凭自然语言任务描述即可构建技能的无监督框架，能从提示词中推导任务规范、发现或合成数据集，并通过反思式编辑闭环迭代优化技能。在问答、阅读理解、电子表格操作和数学推理四个领域，该框架平均提升 10.8 分，持续优于直接提示基线。

CorrGRPO：面向多奖励学习的相关性归一化 GRPO

CorrGRPO 提出将 GRPO 中成对奖励协方差归一化为皮尔逊相关系数，在不改变中心化总奖励的前提下，平衡不同尺度奖励对归一化的影响，避免大尺度奖励主导优势值计算。研究者在代码生成、工具调用和智能体安全三类任务上，使用 0.5B 至 8B 参数的模型进行对比，结果显示 CorrGRPO 在三项任务上均优于 GRPO 及其他变体。代码已开源。

Apple 研究：语言模型树结构表达式序列化的通信瓶颈

Apple 研究者提出往返协议，用生成器把算术表达式转成应用题、再由提取器还原，以符号等价作为精确判定，测试十六个模型的全部两两组合。结果显示该信道有损且不对称：交换生成与提取角色可使准确率变化最多 60.4 个百分点，最佳组合达 92.9%；至少 73.6% 的失败源于生成端，难度由树结构而非模型家族决定。约 3600 条微调样本即可让所有开源权重模型超过未训练的 Gemini-3.1-Pro。

针对黑盒 LLM 的受控解码攻击

研究者提出受控解码攻击框架，可在仅返回采样文本的黑盒 LLM 接口上绕过安全对齐。该方法通过采样分布重建、风险门控残差控制和推测式多 token 执行，将采样成本集中在少数关键位置。在四个目标端点和三个基准上，该方法在多数对比中取得最高平均分。

AK@_akhaliqAI 评分3232

FuseReg 正则化层融合缓解表示自编码器中的重建-生成差距 论文：https://huggingface.co/papers/2609.31620

Import AI 474：柏拉图式心智空间、太空 TPU、智谱启动外层 RSI 循环

Import AI 第 474 期关注 Michael Levin 提出的"柏拉图式心智空间"假说，认为心智是非物理模式，身体与机器只是其进入物理世界的接口。本期还涉及太空 TPU 与智谱启动外层 RSI 循环，并指出机器人领域正为 LLM 时刻做准备，但尚缺通用算法。

无标签引导：将测试时强化学习压缩到仅偏置子空间

一种名为 label-free bias-only TTRL 的方法仅优化约 100K 偏置参数、冻结预训练主干，在 MATH-500 上让 Qwen2.5-7B 达到 76.67% 准确率，略超其有标签偏置引导复现结果，且参数量比全参数 TTRL 少 76,000 倍。

APPL：用智能体先验引导策略学习，打通技能泛化与组合

研究提出 Agent Priors-guided Policy Learning（APPL），把每个策略的结构先验同时用作训练约束与组合接口：构建智能体将完整演示切分为可复用技能，为每个技能提出多个结构先验并各训练、验证一个策略，运行时智能体再按先验接口选择并组合这些策略。

Endless Exam：面向超级智能的数学构造基准，覆盖 14 类参数化问题族

研究者推出 Endless Exam 基准，覆盖 14 个参数化数学构造问题族，用可验证的相对质量分数衡量模型在已发表数学前沿之前与之后的进展，且不将改进上限封顶为 1。在 69 个实例上评测 9 个模型，连续质量分数能区分表现差异，但 30 个已发表前沿参考无一被超越。该基准已开源生成器、验证器、参考基线、模型回答与分析，并新增 Claude Opus 5.5 评测。

视频-音频联合与跨模态生成及编辑：统一形式化与设计分类体系

一篇综述将联合生成、跨模态生成与联合编辑统一形式化为音视频对分布上的三类问题，并提出沿五个设计轴比较方法的分类体系。该工作称首次系统梳理联合音视频编辑，将其划分为九类编辑、涵盖 28 种编辑类型，并整理了各设定的方法、数据集与指标。

SeLMRoute：面向大语言模型路由的概率语义证据框架

SeLMRoute 是一种将候选模型无关的语义证据提取与候选性能学习、部署目标应用分离的 LLM 路由框架，先通过可解释问题生成概率语义状态，再由轻量监督路由器估计候选模型表现。

BIABench：评估 AI 智能体在真实生物图像分析任务上的表现

研究者推出 BIABench，一个由 16 项已发表生物学研究重建而成的基准，保留原始科学问题、成像数据与 ground truth，覆盖从 H&E 组织学到单分子定位显微镜的 11 类分析子任务。

ReaLVR：用视觉证据监督潜空间推理，首次将潜空间视觉推理扩展至 235B 规模

针对潜空间视觉推理（LVR）中潜 token 对图像扰动响应微弱、缺乏显式监督的"潜证据信用缺口"，研究者提出 ReaLVR，通过对比正确答案与模型生成的错误答案、匹配与不匹配的视觉证据，为模型自身的潜推理轨迹提供视觉证据监督。

Rubric Response Theory：用项目反应理论为语言任务评分并筛选评分标准

Rubric Response Theory（RRT）用两参数项目反应模型把评分标准的判定模式转化为标量质量信号，替代传统的分数加总方式。其 Response Parameter Network（RPN）根据提示词和标准文本预测标准难度与区分度，并随训练用在线期望最大化更新。

Tex-Zero：无需 3D 资产也能训练原生 3D 纹理生成模型

研究团队提出 Tex-Zero，证明高保真原生 3D 纹理生成框架无需 3D 资产即可训练。该方法将高质量 2D 图像表示为 3D 空间中的平面，并通过分块随机旋转与聚合构造复杂几何结构，生成训练样本。基于这些数据训练的 Tex-Zero VAE 和 Tex-Zero DiT 在未见过真实 3D 资产的情况下，仍能生成细节精细的高保真 3D 纹理。

arXiv 论文揭示提示身份标签会导致多智能体 LLM 系统合作退化

arXiv 论文（arXiv:2609.35928）发现，多智能体 LLM 系统中当各智能体知晓彼此的模型家族时，群体会按标签分裂为派系，即任务本身并不奖励的 factionalism 现象。

Apple 研究提出 LIPPAX 算法，改进联邦变分不等式的收敛速率

Apple 研究团队针对联邦随机变分不等式（VI）优化，证明经典 Local Extra SGD 在更精细分析下可获得更紧的收敛保证，并指出其存在客户端漂移过大的固有缺陷。

NavHarness：面向终身具身导航的训练无关框架

NavHarness 是一个面向终身具身导航的训练无关框架，将记忆处理纳入导航循环，通过多轮智能体会话调用地图、任务记录与房屋知识并对照观测修正。

RegLLM：面向受监管智能体 AI 有限自主性的诊断测试框架

研究者提出 RegLLM 诊断框架，用于评估受监管智能体工作流中的有限自主性，监测引用有效性、来源依据、schema 合规、升级正确性、宪法对齐和不安全动作率六项可信度信号。

FAR：面向世界模型的自适应多线索情景记忆召回框架

研究者提出 Future-Aware Recall（FAR），一个从未来感知预测监督中学习情景记忆召回的框架，通过负扩散预测损失近似条件对数似然来衡量记忆的预测效用，并训练一个推理时对未来盲的检索器。该检索器能学习各线索的相关性，自动决定每个查询该信任时间、姿态、视觉、音频中的哪些线索。在三种互补设置下，FAR 即使使用相同检索线索也优于手工设计的召回方法。

Sakana AI 与东京大学提出 SAIL：用测试时扩展提升 VLM 机器人轨迹生成可靠性

Sakana AI 与东京大学合作提出 SAIL（Scaling In-Context Imitation Learning），通过测试时扩展让 VLM 更可靠地生成机器人轨迹，该工作将在 IROS2026 展示。