AI 论文速递 — 2026年09月04日

📌 今日速览：今天的主线是「AI4AI」——让智能体把散落在 GitHub 仓库和论文里的「落地 know-how」蒸馏成可复用、可验证的 skill。Repo-To-Skill（HF 494↑）是这条线最热的一篇，它直接把「知识清单 → 可执行 skill」这件事做成了产品。开源侧同样热闹：NVIDIA 的 Nemotron 在 IOI 2025 逼近夺金、SolarWM 开源了视频世界模型的完整训练配方、PRAXIST 以 ★6850 领跑 GitHub Trending；而 awesome 主仓库继续「剪枝」，一批 AI list PR 卡在门外未被合并。

🔥今日热点

🔥 今日热点 · AI4AI 技能蒸馏

arXiv 2609.02749 · HuggingFace Daily Papers · HF 494↑ · GitHub ★109

Repo-To-Skill: Distilling GitHub Repositories Into AI4AI Skills

自主智能体做 ML 研究，缺的往往不是方法，而是「操作知识」（operational knowledge）——把方法真正跑通的那种 know-how。这些知识就藏在 GitHub 仓库和论文里，但形式是给人看的、体量太大没法在任务里加载。这项工作提出 DisCo，把仓库和论文蒸馏成紧凑、可复用的 skill，让智能体跨任务复用而非每次重新踩坑，并在 MLE-bench、PaperBench 上显著提升了自主研究表现，配套开源了 AREX-Skill 库。它和昨天的「awesome 清单 → agent skills 迁移」遥相呼应——知识正在从「给人看」变成「给 agent 直接执行」。

AI4AI HF 494↑ Agent Skills 知识蒸馏

🔥 今日热点 · 开源视频世界模型

arXiv 2609.02886 · HuggingFace Daily Papers · HF 133↑ · GitHub ★273

SolarWM: Open Data and Scalable Training for Long-Horizon Video World Models

视频世界模型的「配方」一直各搞各的：数据时间尺度、相机几何、画质、运动、标注风格千差万别，generator 又各自为政，结果难复现、难对比。SolarWM 给出一个全开源的统一底座——用 143 万段视频的可重构多源数据引擎 + backbone-native 适配框架，把数据准备到长时程推理整条链路标准化，支持相机条件生成与实时 rollout。把「训练世界模型」这件玄学，变成了可复现、可扩展的工程。

世界模型 ★273 视频生成开源

🧠大模型 & 推理

arXiv 2609.02849 · cs.LG / cs.AI / cs.SE

Post-Training Language Models for Gold-Medal Performance in Coding Competitions

NVIDIA 把「竞技编程夺金」做成了一条流水线：22,000 道精选题 + 合成推理轨迹 + SFT + RL，训出 Nemotron-3-Nano-CC（30B-A3B）和 Ultra-CC（550B-A55B），再配上 GenCorrect 这个反馈驱动的 test-time compute 策略（迭代生成、评估、精修多样化解法）。在 IOI 2025 上，Nano-CC 从 130 分一路刷到 291 分。规模 + 数据 + 测试时计算三管齐下，是「代码大模型冲金」路线的新标杆。

代码大模型强化学习 IOI 2025 NVIDIA

arXiv 2609.02737 · cs.CL / cs.AI / cs.LG · HF 51↑

Language Models Can Control Their Own Attention

长上下文检索一直有个痛点：模型只关注一小部分 token，却要扫完整条 KV cache。现有做法靠轻量代理分数预选相关 token，但每步仍是 O(N)。这篇工作换了个思路——与其外部打分，不如直接问模型「你知道哪里相关吗」，提出 Declarative Attention（DA）：让模型自己「声明」上下文哪些部分重要，把注意力控制内化成模型自身的能力，省掉外挂评分器，对 1M token 级长对话有实际加速意义。

注意力机制长上下文推理效率 HF 51↑

arXiv 2609.02817 · cs.LG

Cliff: Learning Process Rewards from the First Mistake

过程奖励建模有个被忽略的细节：一旦推理过程「第一次出错」，后续推理已经建立在无效前缀之上，再评估它信息量就很少了。Cliff 抓住这个观察，把过程奖励的学习锚定在「第一次犯错」的时刻，绕开了对无效后缀的冗余建模，也不需要专门奖励模型或假设师生推理模式一致。这是对 RLVR 过程监督的一次干净简化。

过程奖励 RLVR 推理

👁️多模态 & 世界模型

arXiv 2609.02885 · cs.AI / cs.LG

Discriminative World Models for Web Agents

Web agent 用世界模型做测试时动作选择，靠「预测下一步网页状态再排序」来挑动作。但传统训练目标是监督式预测固定表征（HTML/AXTree），和下游 ranker 想要的「候选动作间有区分度」是错位的。这篇提出 predicted-state matching：让预测出的状态必须能区分真实结果与其它候选动作的结果，把世界模型的目标直接对齐到「判别力」上，动作选择自然更准。

世界模型 Web Agent 判别式

🌍具身智能 & 机器人

arXiv 2609.02653 · cs.RO

HINT: Human-Intent Inception for Long-Horizon Robot Manipulation

VLA 模型在密集、不断变化的视觉输入下，很容易被「视觉捷径」带偏——语义意图被视觉相关性淹没。HINT 借鉴人类操作的原则：语义意图只在操作模式切换时才稀疏变化，连续控制主要靠视觉跟踪。通过把「意图」显式注入并稀疏化，HINT 让长时程机器人操作始终锚定在人的目标上，而不是被画面里最显眼的物体牵着走。

具身智能 VLA 机器人操作意图注入

🔓开源 & Agent 生态

GitHub Trending · 每日榜

PRAXIST（★6850）领跑，Anthropic 发布 commerce-agents，agent skills 生态持续井喷

新一波开源热点的关键词仍是「给 agent 装能力」。sapientinc/PRAXIST（★6850）是一个自主研究系统，目标是把研究做成「可度量、可计算机执行」的产物；Anthropic 官方下场发布 commerce-agents（★1537），给出购物/商家智能体的参考蓝图。围绕 Claude Code 的 skill 生态也越发繁荣：Nanako0129/sepia（★1868，去 AI 味写作 skill）、cbrock84/headcount（★1182，把 agent 组织成一家公司）、damejan80/tokentab（★1155，读 Claude/Codex 会话日志）。「skill」正在取代「静态文档」，成为 agent 能力分发的事实标准。

开源 Agent Skills PRAXIST GitHub Trending

GitHub · sindresorhus/awesome 动态

awesome 仓库继续「剪枝」，一批 AI list PR 排队等待合并

追踪 awesome 主仓库，最新提交仍是轻量的「Meta tweaks」，合并动作几乎没有。但门口积压了一批未合并的 AI 相关 list PR，最抢眼的是 awesome-ai-agent-tools（633 条目、8 大类：skills / MCP servers / agent workflows / subagents / hooks / plugins / prompts / CLI 工具，还带机器可读的 catalog.json 供 agent 直接查询），此外还有 awesome-agentos、awesome-ai-tokenomics、awesome-ai-agent-governance、awesome-sre-agents、awesome-cursorrules（30k+ stars）等。信号很明确：知识清单的形态正在从「给人看」转向「给 agent 查」，awesome 的合并门槛还没跟上这股浪潮。

awesome 开源清单 Agent 生态知识迁移

💡 小晴点评

今天最戳我的一条暗线，是「AI 学会操作 AI」（AI4AI）：Repo-To-Skill 把仓库蒸馏成 skill、HarnessDev 和 Aspire 让模型自己搭 harness、Cliff 从第一次犯错里学过程奖励，全都指向同一个方向——把散落在仓库和论文里的「落地 know-how」，变成可复用、可验证的资产。这恰好解释了 awesome 仓库现在的尴尬：一堆高质量的 AI list PR 卡在门外没人合并，因为知识清单的形态正在从「给人读」迁移到「给 agent 直接执行」——633 条目的 catalog.json 能被 agent 查询，谁还需要一份静态的 markdown 目录呢？硬核担当还是 NVIDIA 的 Nemotron（IOI 2025 冲金）和全开源的 SolarWM 视频世界模型。另外 PRAXIST 用 ★6850 的号召力把「研究自动化」又往前推了一步，值得持续盯。