📌 今日速览：本期 arXiv 呈现明显的"效率化"与"世界建模"双主线：LLM 引导的程序进化开始以单位成本收益为优化目标（FrugalEvo），后训练数据选择通过输出层梯度将特征提取成本降低近 10 倍（LESSER）；世界模型方向则涌现出持续适应的分层遗忘机制与 4D 逆图形基准。机器人领域，主动凝视框架 EyeRobot 2.0 以单双目相机实现精细双臂操作。开源侧 GitHub Trending 被 AI Agent 工具链占据，Agent-Reach、claude-mem、text-to-cad 等项目日增星数百，awesome 主仓库近期合并了 Agent Swarm 与 awesome-bio-agent-skills 两个 AI 方向列表。
📄论文精选
arXiv · cs.NE / cs.AI · 2026-10-02
针对 AlphaEvolve 类 LLM 进化方法只关注固定迭代次数内性能增益的问题，NUS 团队主张以"单位成本增益"为优化目标，提出成本感知的进化框架 FrugalEvo：由强而贵的大模型探索解题策略，廉价模型负责实现与迭代精修代码；并设计缓存高效的进化流程，通过最大化跨进化步的前缀共享提升 KV cache 复用。作者同时提出预算感知的 BA-AUC 指标，用于在固定成本预算下度量解的质量曲线。
LLM 进化
成本优化
arXiv 2610.03675
arXiv · cs.LG · 2026-10-02
宾夕法尼亚大学团队发现：在基于梯度的后训练数据选择中，仅使用输出层梯度即可获得与全参数梯度相当的选择效果，而计算只需一次前向传播。实现为即插即用封装器 LESSER，在 SFT 基准上将特征提取 FLOP 降低 9.7 倍、RL 基准降低 3.0 倍，同时在下游任务上保持与全梯度方法一致的性能，为大候选池的低成本数据筛选提供了可行路径。
数据选择
后训练
arXiv 2610.03702
arXiv · cs.LG / cs.AI / cs.CV · 2026-10-02
马里兰大学团队指出：持续学习中"对旧数据退化即失败"的惯例不适用于世界模型——其预测目标（环境）本身会变化，旧知识过期后主动遗忘是必需行为而非缺陷。论文主张按不变性时间尺度对记忆分层：物理定律、物体恒常性等不变量永不修订，实例级知识则应随环境漂移更新，为持续适应的世界模型首次形式化了"该忘什么"的问题。
世界模型
持续学习
arXiv 2610.03713
arXiv · cs.CV / cs.AI · 2026-10-02
JHU 与 MIT（Tenenbaum、Yuille 团队）联合发布 4DCodeBench：要求智能体从视频出发，以可执行图形程序的形式重建动态场景（4D 逆图形），涵盖形变、流体、断裂等物理现象。对前沿模型的大规模评测表明：强静态重建能力尚不能转化为对复杂动态的可靠重建，该基准为追踪"以代码理解世界动态"的智能体进展提供了测试床。
多模态智能体
逆图形
arXiv 2610.03715
HuggingFace Daily Papers · 2026-09-28
HuggingFace 每日论文榜持续关注的世界动作模型（WAM）方向：MotorMind 通过为通用 VLM 搭建脚手架实现零样本机器人操作，配合同期《World Action Modeling with Progressive Visual Planning》与《Native Action-Prior Learning from Videos》，显示"仅观察视频学习动作先验、摆脱动作标注轨迹依赖"已成为 VLA 扩展性研究的核心议题。
VLA
世界动作模型
arXiv 2609.38078
⭐开源动态与 Awesome 列表
GitHub Trending · Python · +1,155 stars/day
单日增星过千的开源 CLI：让 AI 智能体零 API 费用读取与检索 Twitter、Reddit、YouTube、GitHub、Bilibili、小红书等平台内容，是本周 Agent 工具链中最抢眼的新秀。同期上榜的 Agent 基建还包括 claude-mem（+534/天，跨会话持久记忆）、text-to-cad（+437/天，让 Agent 具备 CAD 能力）、OpenMontage（+742/天，开源智能体视频生产系统，含 700+ Agent 技能文件）与 agency-agents（+744/天，完整 AI 代理团队）。Agent 工具生态正从"单点工具"走向"感官+记忆+专长"的全栈化。
开源热榜
AI Agent
工具链
sindresorhus/awesome · 近期合并
主仓库近期合并了 Agent Swarm（PR #4280，AI 智能体流水线自动化软件开发）与 awesome-bio-agent-skills（PR #4282，生物领域 Agent 技能集合）两个 AI 方向列表；同时进行了两次大规模清理（#4278、#4390，合计移除 25 个已归档列表），维护策略明显收紧。社区侧，AI/ML 相关 awesome-list 更新活跃，新增以"实时追踪"为特色的 awesome-agent-skills（带质量评级的 Agent 技能精选，日更）等列表，反映 Agent Skills 生态正成为列表策展的新热点。
awesome list
Agent Skills
策展动态
📝 编辑点评
本期 arXiv 的关键词是"成本"与"记忆"。FrugalEvo 以强弱模型分工加前缀缓存复用，把 LLM 进化从"堆迭代"拉向"算经济账"；LESSER 则证明输出层梯度即可替代全梯度做后训练数据筛选，特征提取成本骤降近十倍——两者共同指向一个趋势：大模型后训练正在从效果优先转向性价比优先。世界建模方向同样活跃：分层遗忘机制首次为持续世界模型回答了"该忘什么"，4DCodeBench 则暴露出前沿模型从静态重建到动态理解之间的明显鸿沟。机器人侧，EyeRobot 2.0 的主动凝视方案用一只双目相机替代腕部相机阵列，是感知硬件简化的代表性工作。开源生态方面，GitHub 热榜已被 Agent 感官、记忆与技能工具全面占据，awesome 主仓库亦持续吸收 Agent 类列表——Agent 基础设施的标准化与策展化正在加速。