📌 今日速览：扩散式大语言模型（dLLM）推理优化成为今日焦点，Flash-dLLM 针对 KV 缓存与并行解码提出 IO 感知方案；多智能体系统扩展性研究突破千级规模（Agensh, 1024 Agents）；快手发布 KwaiMind 图像编辑技术报告，展示电商场景下的智能体数据引擎；机器人领域多视角一致性世界模型（TriWorldBench）与人形机器人协作数据采集平台（MATE）同步亮相。开源方面，AI 编码智能体生态持续升温，addyosmani/agent-skills 与 Fission-AI/OpenSpec 领衔 GitHub Trending。
🧠大模型与智能体
arXiv · cs.CL, cs.MA · 2026-09-22
现有多智能体编排框架受制于中心化调度器的任务分配与协调能力，难以扩展。Agensh 借鉴分布式 shell 的设计思想，将组织智能扩展至 1024 个智能体规模，通过去中心化协调显著降低复杂任务的执行延迟，为多智能体系统的规模化提供了新的架构范式。
多智能体
系统架构
扩展性
arXiv · cs.CL, cs.AI · 2026-09-22
当前 LLM 测试时计算的主流策略仍为朴素的重复采样——独立生成多个解答并期望其中之一正确，但此类采样仅通过局部解码噪声进行探索，易产生大量近似重复的候选。该工作提出学习化的搜索策略，以结构化方式引导推理路径的探索，为难推理问题的测试时计算分配提供更高效的方法论。
推理
测试时计算
搜索策略
arXiv · cs.CL, cs.AI, cs.CR · 2026-09-22
前沿语言模型能力的快速提升普遍归因于推理能力的增强，但闭源系统的原始思维链轨迹不可见，难以验证。研究者通过标准 API 注册自定义工具，诱导前沿模型外化中间推理过程，进而对隐式思维链进行提取与特征刻画，为理解黑盒模型的推理机制提供了可操作的审计路径。
思维链
可解释性
模型审计
📝 编辑点评
今日研究动态呈现三条清晰脉络：其一，推理效率持续成为 LLM 系统工程的核心议题——Flash-dLLM 与 OCR 自投机解码分别从扩散模型缓存与草稿-验证范式切入，反映出生成架构多元化背景下降本增效的共性诉求；其二，智能体规模化研究取得进展，Agensh 将多智能体编排推进至千级规模，与开源社区 Agent Skills 策展列表的兴起形成学术与工程的呼应，标志智能体工程化正走向体系化；其三，具身智能领域聚焦数据基础设施与评估方法论，MATE 与 TriWorldBench 分别回应了多机协作数据采集与世界模型多视角一致性评估的难题。整体而言，当日进展以系统优化与基础设施建设为主导，工业界（快手 KwaiMind、阿里、腾讯开源）与学术界产出节奏同步，值得持续关注扩散式 LLM 的后续工程化落地。