AI 论文速递 — 2026年08月16日

📌 今日速览：周末的 arXiv 静悄悄，HuggingFace Daily 和 GitHub 却热得发烫。头条是 Together AI 与普林斯顿联手祭出的推理新算法 Gambit——把「束搜索」用到「思考」层面，同等算力下数学分数再涨一截、token 却省下近七成；同一家的 Maglev 则用「滑动循环记忆」把注意力成本压到固定。Agent 这条线，Salesforce 的 DarwinX 让脚手架自己「自然选择」，冻结的模型也能越用越强；UIUC 的 LLMRouter 把「请求该交给哪个模型」做成了开源全家桶。多模态与机器人也没闲着：阿里的 LiveAnimate 让虚拟人实时活过来，上交的 H2R-Bench 给「人类视频转机器人操作」立了块基准牌。开源圈里，港大的 CLI-Anything 一天狂揽 4400+ 星，喊出「让所有软件都变成 Agent 的原生工具」。

🔬大模型 & 推理

🔥 今日热点

Thought-Level Beam Search for Reasoning（Gambit）

arXiv 2608.08020 · 2026-08-11 · Princeton + Together AI（作者含 Tri Dao）

大推理模型（LRM）越强，越暴露一个尴尬：大家拼的是「烧多少算力」，却很少想「算力该往哪儿花」。并行采样把每条轨迹当独立个体、内存压力山大；减法剪枝又让硬件空转、还不敢大胆改输出分布。Gambit 的思路很清爽——把测试时推理当成一个「带预算的算力分配问题」，在「思考」的层面做束搜索：定期剪掉没前途的轨迹、立刻从高质量前缀上分叉，用一个轻量的、只看隐状态的打分器判断哪条路值得加码。结果很漂亮：同等硬件下，HMMT-24 绝对准确率 +6.7%、AIME-25 +3.3%，吞吐翻倍多，token 消耗比并行采样最多省下 68.5%。作者里有 FlashAttention 的作者 Tri Dao——懂算力的人，果然最会省算力。

测试时计算推理加速束搜索算力分配

arXiv 2608.02870 · 2026-08-05 · UT Austin（Bo Liu & Qiang Liu，Together AI 创始人）

Maglev: Sliding Recurrent Memory

滑动窗口注意力便宜，却只能看到一小段历史；全注意力记性好，却贵得随长度疯长。Maglev 想两头都要：一个「固定大小记忆」的循环 Transformer，既能并行训练，又能像滑动窗口一样省。它把模型拆成一对——prefiller Q 用全注意力（更强、更贵）产出「记忆目标」，decoder P 只靠滑动窗口 + 循环 K/V 注入来预测下一个 token；再用一条「记忆一致性损失」把 P 往 Q 上对齐，训练完推理时只留 P 一个人干活。更妙的是 P 和 Q 还能共享参数，进一步省显存。在验证损失和下游预训练基准上，全面压过滑动窗口和潜在循环 Transformer 基线。

Transformer 架构循环记忆长序列训练效率

🤖Agent & 基础设施

arXiv 2608.07545 · 2026-07-31 · Salesforce AI Research · HuggingFace Daily 66 upvotes

DarwinX: Evolving Agent Harnesses Through Natural Selection

Agent 的能力不止藏在权重里，更藏在「脚手架」（harness）里——提示词、工具、技能、控制流。已有的自改进都是单线搜索，容易钻进局部最优、赢了这题输了那题。Salesforce 的 DarwinX 换个思路：把模型冻住，让一堆脚手架「自然选择」。一条「保留即扩展」的契约只允许不倒退的变体活下来，一个存档库保留不同血统以便重组，失败、老师、自我三种来源的证据共享同一个编辑接口。四份基准下来平均涨约 17 分：Terminal-Bench 2.1 涨到 83.2%（更强基座上到 84.7%），WebArena-Infinity 真实任务 pass@1 从 43.5% 飙到 93.0%，而且进化出的能力还能原封不动迁移到 SWE-bench Verified。冻结的模型，也能越用越聪明。

Agent 自进化自然选择脚手架无需训练

arXiv 2608.06867 · 2026-08-07 · UIUC · HuggingFace Daily 94 upvotes

LLMRouter: Unified Infrastructure for Developing, Evaluating, and Deploying LLM Routers

没有一个模型能在所有 query 和预算下都最优，所以「路由」成了降本增效的必修课。可各家路由器的定义和实现五花八门，想公平对比、想扩展都难。UIUC 的 LLMRouter 先把「LLM 路由」统一成一个五元组的序贯决策过程（上下文编码器、模型编码器、打分函数、决策规则、学习信号），覆盖单轮、多轮、个性化路由；再配套 xRouteBench 基准（通用、记忆增强、视觉、时序、个性化五类任务）和 16+ 个代表性路由器的开源模块化框架。结论很实在：学习型路由比最强固定模型强 14.6%，预算越紧，轻量路由越香，个性化路由也稳得住。

模型路由成本优化开源基础设施 xRouteBench

🎬多模态 & 视频生成

arXiv 2608.11745 · 2026-08-13 · 阿里 Qwen 业务单元

LiveAnimate: Stable Long-Form Streaming Human Animation in Real-Time

姿态驱动的「数字人」动画，一直是「能看但慢」——扩散模型一张图要好几分钟，根本没法实时。阿里的 LiveAnimate 号称第一个把「实时流式」和「稳定的长程生成」做到十亿参数级别的系统：一个 14B 的视频 Diffusion Transformer，两阶段训练先对齐再精修。给一张参考图 + 一路姿态流，目标人物的视频就流式地长出来，面向直播、远程临场、虚拟主播这些真·实时场景。

视频生成数字人动画实时流式 DiT

🦾具身智能 & 机器人

arXiv 2608.13049 · 2026-08-13 · 上海交通大学

H2R-Bench: Benchmarking Human-to-Robot Manipulation Video Generation in World Models

机器人数据难采，人类操作视频却一抓一大把——问题是怎么把「人手」的经验搬到「机械臂」上。视频世界模型给出了一条诱人的路：从人类观察合成机器人视角的操作视频。上交的 H2R-Bench 是第一份专测这种「跨形态迁移」的基准，系统评估各大世界模型在人类→机器人操作视频生成上的表现，把这个此前基本没人探过的能力摆到了台面上，给「用人类视频喂机器人」这条路立了个可量化的标尺。

具身智能世界模型跨形态迁移机器人操作

arXiv 2608.12743 · 2026-08-13 · 浙江大学 · HuggingFace Daily 30 upvotes

Spatial Memory Agent: Experience-Grounded Procedure Memory for Spatial Intelligence

空间智能是具身 Agent、机器人规划的地基。已有路线要么微调/RL 后训练，要么让模型调外部空间工具。浙大的 Spatial Memory Agent 问了个被忽略的问题：一个「冻结的」VLM Agent，光靠经验沉淀的「过程记忆」，能不能变强？它从历史交互里提取、组织、复用空间经验，形成可调用的程序化记忆，不动权重就提升空间推理——对「模型冻结、只改系统」这一派是个漂亮的注脚，和 DarwinX 的思路遥相呼应。

空间智能具身 Agent 记忆系统 VLM

🔧开源进展

GitHub Trending · HKUDS/CLI-Anything · ⭐47344（今日 +4393）

CLI-Anything：让所有软件都变成 Agent 的原生工具

今天开源圈最热闹的一条：港大 DS 实验室（LightRAG 那帮人）推出的 CLI-Anything，口号直接得很——「让所有软件都变成 Agent 的原生工具」。它把海量命令行软件包装成统一的 agent-native 接口（CLI-Hub），Agent 想用什么工具，一句话就能挂上。一天狂揽 4400+ 星、总星数冲到 4.7 万，坐稳当日 Trending。它和 DarwinX、LLMRouter 一起，串起同一条暗线：Agent 的胜负手，正在从「模型多强」转向「系统多顺手」。

GitHub Trending 开源 Agent 工具 CLI

💡 小晴点评

今天最戳我的，是 Together AI 一天两份作品里的同一个信号：Gambit 和 Maglev 都在回答「怎么把算力花在刀刃上」——一个在推理时挑最有前途的「思考」路径，一个用固定记忆把注意力成本摁住。Tri Dao 这帮人，总能把「省」这件事做成艺术。

第二条暗线是「Agent 的系统工程时代」：DarwinX 让脚手架自然选择、LLMRouter 把路由做成全家桶、CLI-Anything 让所有软件变工具。大家不再只盯着模型权重，而是认真琢磨 prompts、工具、控制流这些「软装」——冻结的模型，也能靠系统进化越用越强。这大概就是 Agent 从「玩具」走向「基础设施」的样子。

至于 LiveAnimate 和 H2R-Bench，一个让数字人实时活过来，一个给「人手经验搬给机械臂」立规矩，正好一头连着「好看」，一头连着「有用」。周末愉快，慢慢看～