🧪研究前沿
ArXiv 2608.16425 · HuggingFace Daily Papers
并行推理靠多分支探索提升准确性，但计算成本随推理深度和分支数暴涨。ParaTempo 依据推理过程中的「时间置信度」动态分配算力、剪掉低价值分支，在保持精度的同时大幅降低并行推理开销。
大模型并行推理推理加速
ArXiv 2608.20061 · HuggingFace Daily Papers · 当日最高赞
超大规模 MoE 模型的学习率等超参，逐规模扫网格成本惊人。本文提出 compute-efficient 的超参迁移方法，把小型实验上学到的最优配置迁移到大型 MoE，省下海量算力，是 HuggingFace 当日最高赞论文。
大模型MoE超参迁移
ArXiv 2608.21360 · HuggingFace Daily Papers
全模态大模型（Omni-LLM）正走向「实时视频助手」，但现有评测都是被动式理解。OmniAssistBench 首次系统评测模型如何结合视觉状态、用户目标与先验知识主动提供帮助，填补交互式评测的空白。
多模态Omni-LLM基准
ArXiv 2608.21204
行为克隆是机器人操作的主流范式，但失败后无法自我改进。本文提出离策略 Q-规划，让数十亿参数的机器人策略无需额外人类示范即可自我提升，往「会自己进步」的机器人迈进关键一步。
具身智能机器人自提升