AI 论文速递 — 2026年10月12日

📌 今日速览：本期 ArXiv 呈现三条清晰主线：其一，Agentic World Model 与 具身智能 持续升温，DreamTrue、SuperNav、In-context Robot Learning 等工作把 VLA 与视频世界模型推向可泛化的机器人控制；其二，多模态推理 从"被动感知"走向"预测性空间推理"（SpaceCast-Bench、FastBench、WOVEN），强调模型对未见状态的前瞻推断；其三，开源与 awesome 生态 围绕新一代 System One / 决策模型（Jev、Claude Opus 5.5）形成爆发式增长，多个高星标 curated list 涌现，社区知识工程进入新一轮周期。

🔥热点聚焦

HOT · 开源生态

awesome-opus5-5-videos — Claude Opus 5.5 病毒视频合集（4.2k★，9月底创建）

一个聚合社区病毒视频与对应 prompts 的 curated list，每条作品旁附有原始版本与实时 remake 对比。它标志着一个新模式：当生成式模型能力突破临界点，awesome list 从"工具清单"演化为"创作语料库"。与之同生态的还有围绕 TypeSafe AI System One 模型 Jev 的 awesome-jev（多个 fork 均破千星）以及顶会 Figure 1 画廊 topconf-paper-figure-gallery（913★，3,516 张 ICLR/ICML/NeurIPS/CVPR/ACL 2023–2026 精选首图），均为值得跟踪的知识基础设施。

Awesome ListClaude Opus 5.5Prompt 工程

HOT · 具身智能

DreamTrue：具备反事实后训练的动作忠实机器人世界模型

来自 HuggingFace Daily Papers 热门。DreamTrue 是一个多视角、跨本体的机器人世界模型，目标是在视频预测层面同时做到动作忠实与物理合理。论文指出现有机器人数据集存在两大瓶颈——标定误差破坏动作跟随、失败交互样本稀缺导致结果偏向成功案例；作者通过反事实后训练机制补充失败轨迹，使模型对"未成功"的物理后果也能合理预测，为后续 sim-to-real 与 policy 评估提供更可信的 simulator。

World Model具身智能反事实训练

🧠LLM / 推理与对齐

ArXiv · cs.CL

MiMo-V2.6: Scaling Reinforcement Learning Towards Self-Improvement

MiMo 系列最新报告，提出通过规模化 RL 计算推动全模态大模型的自我改进。RL 之前先在大规模多模态语料上进行 mid-training 以扩展探索空间，再进入 RL 阶段进行能力收敛。报告给出了 RL 训练规模与下游能力之间的 scaling 关系，是当前 omni-modal 自我改进范式的重要参照。

RLOmni-modalScaling

ArXiv · cs.CL

U-Space: Uncovering When and Why Uncertainty Arises in Language Models

聚焦 LLM 的不确定性与"何时该拒答"。论文剖析语言模型即便输出错误结论也能以流畅且权威的语气自我合理化的现象，提出 U-Space 框架用于定位不确定性产生的语境与原因，为高风险场景下的可信决策、人工介入触发提供量化依据。

UncertaintyTrustworthy AI

ArXiv · cs.CL

OnTrack: Real-Time Monitoring and Intervention in LLM Agent Trajectories via Streaming Structure-Aware Optimal Transport

针对长时程 Agent 缺乏实时防护的问题，OnTrack 将 agent 轨迹建模为流式结构感知最优传输问题，在每一步上比对当前轨迹与"安全模板"分布，实现毫秒级监测与干预，优于事后日志审计与外部 safeguard agent。对交易、IT 运维等高风险 agent 部署具有直接参考价值。

Agent SafetyOptimal Transport

👁️多模态 / VLM

ArXiv · cs.CV / cs.CL

FastBench: Can Streaming VLMs Perceive High-Dynamic Real-World Streams?

现有流式 VLM benchmark 多聚焦低动态场景。FastBench 针对高动态视频流提出更严苛的评测：在固定 context 预算下，模型需要在时间历史、空间分辨率、时间粒度之间权衡，1–2 FPS 的稀疏采样会错过关键事件。该 benchmark 有望成为衡量"实时视频理解"的新基线。

Streaming VLMBenchmark

ArXiv · cs.CV / cs.CL

SpaceCast-Bench: Evaluating Predictive Spatial Reasoning in Vision-Language Models

区别于已有"读出可见关系"的空间感知 benchmark，SpaceCast-Bench 聚焦预测性空间推理——从观测中重构场景、预判干预带来的变化、推理不可见结果。这是对真实空间智能更贴切的刻画，揭示了当前 VLM 在前瞻推断上的系统性短板。

Spatial ReasoningVLMBenchmark

ArXiv · cs.CV / cs.CL

WOVEN: Weaving Visual World Modeling into Multimodal LLMs

作者假设 MLLM 在空间、具身、物理、时间推理上的失败源于共同的"视觉转移推理"缺陷，并将该能力作为可学习的训练原语织入 MLLM。WOVEN 验证了不同模型可从不同监督源中学习这一原语，为通用多模态推理提供了一个统一视角。

Visual World ModelMLLM

🦾具身智能 / 机器人

ArXiv · cs.RO

Dex-One2Many: Learning Dexterous Manipulation from a Single Human Demonstration

挑战"一条人类视频 → 多种灵巧操作"的少样本学习问题。论文指出现有方法过度模仿演示动作，导致对初始位姿、目标位置变化泛化不足。Dex-One2Many 通过解耦任务语义与运动细节，使机器人能将单一人类演示迁移到多样化任务实例。

One-shot ImitationDexterous Manipulation

ArXiv · cs.RO

VersaCamVLA: Camera-Configurable VLA Policies for Robotic Manipulation

针对 VLA 模型对训练时相机位姿的强依赖问题，VersaCamVLA 提出可在部署时灵活改变相机数量与位置的策略架构，显著降低对固定硬件配置的要求。这对 VLA 在真实工厂/家庭场景的规模化落地具有直接工程价值。

VLA相机鲁棒性

ArXiv · cs.RO

A Balanced Data Diet: Addressing the Exploration Bottleneck in Mega-Scale RL for Robot Control

面向通用机器人的大规模 RL 训练，论文诊断当前 pipeline 过度依赖任务级结构先验，限制了探索多样性。作者提出"均衡数据食谱"策略，在不引入任务工程的前提下改善探索瓶颈，让 sim-to-real RL 更具可扩展性。

Sim-to-RealRL机器人控制

🛠️开源工具与 trending

GitHub Trending · 今日 +25,599★

morluto/rea — 用 Agent 逆向一切：从应用行为到原生二进制

今日 GitHub 现象级项目，单日新增超 2.5 万星。将 LLM Agent 引入逆向工程工作流，覆盖应用行为分析直至原生二进制级别，反映 Agentic 工具链在安全研究 / 软件理解方向的快速渗透。

TrendingAgentReverse Engineering

GitHub Trending · 今日 +548★

lyogavin/airllm — 70B 模型在单张 4GB GPU 上推理

通过激进的层卸载与内存调度策略，AirLLM 让消费级 4GB 显存的 GPU 也能跑 70B 大模型推理。在大模型本地化趋势下，此类"极限推理"项目持续受关注，适合边缘部署与教育场景参考。

LLM Inference资源受限

GitHub · 9 月新晋 awesome

topconf-paper-figure-gallery（913★）与 cpu-performance-engineering（1.1k★）

前者系统收录 ICLR/ICML/NeurIPS/CVPR/ACL/AAAI 2023–2026 共 3,516 张 Figure 1/Teaser，并支持基于 FigureForge 的检索增强；后者是一条以一手论文为主线的 CPU 性能工程阅读路径，从单条指令一路走到生产级推理。两者分别对应"论文可视化资产库"与"工程基础阅读路径"两类新型 awesome 知识工程，对 AI 研究者与系统工程师均具长期价值。

Awesome学术资源系统工程

📝 编辑点评

本期值得关注的信号有二。其一，具身智能与 Agentic World Model 正在合流——DreamTrue 用反事实后训练补足失败样本，Dex-One2Many 把单条人类视频扩展为多样化操作，VersaCamVLA 解除相机配置约束，方向一致：让机器人策略在分布外仍能稳定工作，是通往通用具身系统的关键工程问题。其二，benchmark 正在从"静态感知"转向"前瞻推理"，FastBench 与 SpaceCast-Bench 强调对高动态、未见状态的预测，多模态评估进入更严苛阶段。开源侧，rea 单日 2.5 万星说明 Agentic 工具链在安全/逆向领域已形成新势能；awesome 生态围绕 Opus 5.5、Jev、顶会 Figure 库等新型 curated list 呈现爆发，社区知识工程持续升温。