文章与教程

CANOPY 为文本、表格和视频等检索结果建立层级结构，再根据问题在不同区域选择合适的保留粒度。它还会在证据不足时触发定向补充检索，兼顾回答质量与上下文成本。

最新研究发现，基础模型的推理能力可能被藏在训练数据形成的“开场提示”中。固定几个响应开头，就能显著提升模型在数学和编程任务上的表现，部分接近强化学习模型。

HLA-WM 将几何引导的历史检索与递归线性注意力结合，在不增加训练的情况下改善长时视频生成中的场景回访一致性与相机控制，同时显著降低历史状态的存储成本。

Periscope 提出一种无需训练的推理方法，把超长文本拆成局部与跨段探针，让受限上下文窗口的语言模型定位答案和证据。研究显示，它能以更低显存处理百万级上下文。

Kandinsky 6.0 Video 是一组面向文本或图像输入的音视频生成模型，可输出带有同步 44 kHz 音频和唇形匹配的 5 秒视频。其核心是连接视频与音频生成流的双流 CrossDiT 架构，并以开源方式发布代码、权重和 Diffusers 集成。

OSWorld-Pro 将计算机使用智能体的评测拆解到连续子目标，借助人工标注与对齐的人类判断器，定位键盘输入、鼠标点击和无关操作等过程性失误。

一项研究显示，面对新一代生成器和对抗扰动，传统深伪检测器的准确率会显著下降。研究团队转而检测图像是否能被已知生成器忠实重建，并通过校准控制误认证风险。

OmniConfess 提出一种无需重新训练的推理时方法，通过逐 token 干预不同证据通道，识别多模态模型答案背后的依据，并据此修正幻觉。

RealtimeWAM通过一步动作生成与跨专家异步流水线，针对世界动作模型的两类推理瓶颈进行优化。论文称其在多项机器人基准上实现接近无损的准确率，并在H100上取得最高25倍端到端加速。

RealCompanion 将长期人机关系带入更接近现实的评测场景，关注模型能否理解一个人、判断何时需要回忆，以及是否会正确使用过去的信息。研究发现，记忆需求远比常规基准想象得少，也更难被可靠识别。

VeriHarness提出了一套无需参考答案或评分标准的智能体验证框架。它利用多次运行中的分歧与共识，结合工作区、证据工具和可复用技能，筛选并修订长期任务的最终结果。

SciUtopia把研究选题、合作、投稿、同行评审、资助、引用和职业流动放进同一个持续演化的LLM智能体模拟环境。实验显示，增加投稿机会可能提高产出，却也会加重评审负担并降低研究者长期留存。

研究团队提出棋类语言模型Queen，将棋力强但不会解释的专家编码器，与能够生成自然语言的指令模型结合。经过迭代蒸馏，4B参数模型的棋力从1782提升至2697 Elo，并生成接近高水平语言模型的连贯解释。

WEFT提出将环境、任务、智能体运行框架和评估器作为一个整体扩展，以提升通用智能体的工具使用能力。其方法结合执行驱动的自我演化、前缀保留采样和原子轮次信用分配，针对长流程训练中的可靠性问题给出系统方案。

一项针对医疗长文本事实核查的研究发现，检索—验证系统在封闭式基准上表现良好，但面对开放式临床答案时性能显著下滑。研究进一步将失败拆分为检索质量与验证推理两类问题。

CacheBack 提出一种接收方条件化的潜在通信方法，根据接收智能体的信息需求筛选发送方的 KV Cache。在 FanOutQA 测试中，它在减少状态传输的同时提升了准确率与任务完成速度。

JEPA-TTT 为预训练 JEPA 世界模型加入持续测试时训练，使智能体能够在环境动力学发生变化后，利用自身观测逐步修正潜在预测器。实验显示，这种不依赖在线奖励的适应方式显著提升了规划表现。

长视频生成的关键难题不只是“记忆更多”，还包括从不断增长的历史中选出未来真正需要的信息。FrameMorrow通过预测未来信息需求，再反向筛选历史帧，为多种视频生成器提供了一种即插即用的记忆选择方案。

ProWAM 为世界动作模型引入有序视觉子目标，让机器人不必生成完整视频，也能获得分阶段的行动指引。论文报告显示，该方法在多个仿真基准上提升了长程任务与分布外场景的表现。

SimuVerity 提出一套面向工程要求的 Simulink 智能体评测基准，覆盖 101 个文本到可执行模型的任务。研究显示，能编译或看起来相似，并不代表模型真正满足工程需求。

视频世界模型依赖不断增长的 KV Cache 保持长时序一致性，但低比特量化可能引发严重闪烁。QuantWM 从注意力偏移出发，提出无需训练的 2 比特量化方案。