🤖

AI 论文速递

2026年09月28日
ArXiv + GitHub + HuggingFace 精选

📌 今日速览:397B 参数提示增强模型 WanPE 将电影级导演规划引入文生视频;线性叠加假说揭示 Transformer 可同时承载两条思维流;Agent-Editing World Model 重新界定 LLM 智能体的世界建模方式;机器人领域 RAPID 与 Rolling-WAM 分别推进了演示驱动的智能体编程与低延迟世界动作模型;开源侧 GitHub 趋势榜被 AI Agent 工具链占据。

🔥焦点研究
HOT · 多模态生成
提出 397B 参数的提示增强模型,基于 105 万条真实视频训练,将文本到视频的生成前置为"电影剧本式"的镜头级导演规划。通过视频反向构建(video-grounded reverse construction)生成镜头计划,并以语义一致性 GRPO(SC-GRPO)保证跨镜头对用户意图的忠实保持,显著改善 30 秒级长视频的多镜头叙事连贯性。
HuggingFace 热门Text-to-VideoGRPO
HOT · 可解释性
提出"叠加线性假说"(Superposition Linearity Hypothesis):当两条独立文本流的输入被线性组合时,模型输出呈现各自下一 token 分布的叠加。研究表明叠加是 Transformer 架构的内在属性而非训练涌现,且会随预训练推进而减弱;轻量微调即可显著恢复线性,为模型内部表征与思维叠加机制提供了新的可解释性视角。
HuggingFace 热门可解释性表征工程
🧠大模型与智能体
ArXiv · cs.AI / cs.CL · 2026-09-24
指出现有语言世界模型对高熵、依赖执行的工具响应进行重建的价值有限,且智能体存在"任务状态污染"问题——无依据假设与过时计划在历史中累积并扭曲后续决策。AEWM 转而建模推理与动作如何塑造任务进展,而非模拟工具响应,为长程智能体的世界建模提供了新范式。
LLM AgentWorld Model
ArXiv · cs.LG / cs.AI · 2026-09-24
针对基础模型 RL 后训练计算密集、过程不稳定且结果难预估的痛点,提出从既有策略出发预测 RL 训练收益的方法,旨在降低对齐、正确性与指令遵循等后训练目标的试错成本。
RL 后训练对齐
ArXiv · cs.AI / cs.CL · 2026-09-24
构建闭环 AI-for-AI 框架,将数据生产、模型训练与真实设备评测打通,探索"AI 既是开发对象、也是下一代 AI 系统的开发参与者"的可行性;以长程、复杂的移动端规划任务为验证场景,缓解真实设备交互成本高、开发难以扩展的问题。
AI-for-AI移动端 Agent
🦾具身智能与机器人
ArXiv · cs.RO · 2026-09-24
将编码智能体的成功范式迁移到机器人系统:RAPID 从演示中自动生成机器人程序,借助编程智能体解决复杂操作问题,为机器人策略获取提供了"演示即代码"的新路径。
机器人编程Coding Agent
ArXiv · cs.RO · 2026-09-24
针对世界动作模型(WAM)在每个重规划周期执行联合视频-动作去噪带来的高延迟问题,提出滚动想象机制,将动作生成与未来视觉预测解耦推进,显著降低操作任务的决策时延。
World Action Model机器人操作
🌐开源与 Awesome 动态
GitHub Trending · 2026-09-28
今日上榜项目高度集中于智能体基础设施:paperclipai/paperclip(多智能体工作管理应用)、vectorize-io/hindsight(可学习的 Agent 记忆系统)、mvschwarz/openrig(将 Claude Code 与 Codex 整合为统一多智能体系统)、rohitg00/ai-engineering-from-scratch(AI 工程从零实践教程)。智能体记忆与多智能体编排已成为开源生态的核心竞争点。
趋势Agent 基础设施
GitHub · sindresorhus/awesome
本周主仓库无新合并的 AI 类 awesome list(官方已注明 PR 暂缓接收,近期提交以清理归档列表与元信息维护为主)。作为其下游的高活跃 AI 列表仍值得跟踪:awesome-llm-apps(140K★,AI Agent 与 RAG 应用集)、awesome-mcp-servers(95K★,MCP 服务器目录)、awesome-claude-skills(76K★,Claude Skills 精选)均在过去一周内保持高频更新。
Awesome ListMCPLLM Apps

📝 编辑点评

今日研究版图呈现三条清晰主线:其一,视频生成竞争焦点正从扩散架构本身上移至"提示—规划"层,WanPE 以 397B 参数将导演级镜头规划形式化,标志着文生视频进入剧本化时代。其二,可解释性研究取得概念性突破,叠加线性假说为理解 Transformer 内部并行表征提供了可检验的理论框架。其三,世界模型的定义在智能体与机器人两条战线同时被重写——前者放弃对工具响应的模拟、转向任务进展建模,后者则通过滚动想象压缩决策时延。开源侧,Agent 记忆与多智能体编排工具持续霸榜 GitHub,而 awesome 生态的活跃度集中于 LLM 应用与 MCP 基础设施列表,反映出社区资源正加速向智能体工程化聚集。