🧪研究前沿
ArXiv 2607.21596 · GitHub DEFENSE-SEU/FlowEvo
训练无关的自进化框架，让智能体在推理时把成功的工作流「编译」成可调用技能存入持久化技能库，并追踪技能效用、抑制负迁移。ALFWorld 达 85.6%，超最强基线 26.4 分，token 用量仅约 1/3。
大模型智能体自进化
ArXiv 2608.20314
mid-training 日益成为塑造大模型能力的关键阶段。MidTool 提出面向智能体工具使用的数据合成方法，在训练中期针对性地强化工具调用能力，让模型更擅长「边想边用工具」。
大模型Mid-training工具调用
ArXiv 2608.20336 · GitHub doby-xu/WithEveryone · ⭐43
身份保持的图像生成在「多人合影」场景下极易翻车。WithEveryone 将每个参考人物绑定到布局规划中的独立位置，用区域级身份损失实现最多 10 人的稳定合影生成。
多模态图像生成身份保持
ArXiv 2608.20308
第一视角视频是具身操作数据的富矿，但严重遮挡和频繁出画让 3D 手势恢复极难。DreamHand 复用视频扩散模型先验，实现抗遮挡的度量级 3D 手部运动恢复，为具身智能数据提供可扩展来源。
具身智能3D手势视频扩散