tech

AI 每日资讯 — 2026-09-26 🔥 HuggingFace 每日论文 1. Your Transformer Can Hold Two Thoughts at Once: Evidence of Linear Superposition in LLMs Pavel Tikhonov, Anton Korznikov, Matvey Mikhalchuk 本文揭示了大语言模型（LLMs）中存在一种基础性的线性特性——线性叠加性：当对来自不同文本流的输入进行线性组合时，模型输出的下一个词分布近似等于各单一流对应分布的线性叠加。作者将此现象形式化为“叠加线性假设”，并通过控制实验验证其源于Transformer架构本身，而非训练涌现；且该性质在预训练过程中逐渐减弱。进一步，研究发现轻量微调可显著恢复线性性，降低叠加预测与真实平均分布间的KL散度。最后，作者提出一种引导式解码方法，成功从单次前向传播中分离并生成两个语义连贯的文本续写。 PDF · arXiv | ❤️ 42 2. WanPE: Towards Cinematic Prompt Enhancement for Modern Text-to-Video Generation Yubo Zhu, Yawen Shao, Ziyun Dai 本文针对当前文本到视频生成中提示词（prompt）难以支撑长时序、多镜头、高保真影视化内容生成的问题，提出WanPE——一个参数量达397B的提示增强模型。该模型基于105万真实视频数据，通过视频驱动的“逆向构建”生成镜头级影视化规划，并引入语义一致性广义强化策略（SC-GRPO）确保跨镜头与时间维度的用户意图忠实保持。为系统评估，作者构建了涵盖5–30秒、多意图粒度的人工标注基准WanPEval，并开展约1.1万次双盲成对评估。实验表明，WanPE-397B赋能Wan3.0视频生成器后，在5–15秒视频上人类偏好得分提升10.66–18.84分，30秒长视频提升达50.86分；消融验证了逆向构建优于前向重写，SC-GRPO在不同模型规模下均具强语义保真能力；WanPE在5–15秒任务上全面超越主流商业模型，在30秒任务上与Seedance 2.5相当。 PDF · arXiv · 项目 | ❤️ 23 3. Qwen-Planner-Agent: A Closed-Loop AI-for-AI Framework for Real-World Mobile Planner Agents Tingyu Qu, Weigao Sun, Yuecheng Liu...

AI 每日资讯 — 2026-09-25 🔥 HuggingFace 每日论文 1. The Past Frames the Future: Memory for Autoregressive Video Generation Harold Haodong Chen, Rongjin Guo, Disen Lan 本文针对自回归视频生成中因上下文窗口受限导致的历史信息丢失问题，系统性地提出了面向时序一致性的记忆建模框架。作者将“记忆”形式化为跨外层自回归步持续保留、并能影响后续生成的隐式历史表征，从表征形式、功能需求、操作机制、闭环学习与评估范式五个维度构建了统一分析体系。通过整合现有方法并指出关键挑战，论文揭示了实体身份、动态状态与因果干预等语义信息在长程生成中的记忆必要性，并验证了结构化记忆机制对提升视频时序连贯性与物理合理性的显著作用。 PDF · arXiv · 代码 | ❤️ 35 2. MemBodied: Recurrent Associative Memory for Vision-Language-Action Models Tej Deep Pala, Navonil Majumder, Bryce Goh MemBodied提出了一种面向视觉-语言-动作（VLA）机器人控制的固定容量循环联想记忆机制，旨在解决历史依赖型操作任务中 episode-level 信息难以有效保留与利用的问题。其核心包含两个互补组件：记录跨步策略交互的联想状态（associative state）和编码初始场景的紧凑锚点（episode anchor），避免直接拼接历史观测导致的上下文膨胀与延迟。在RMBench五项记忆敏感任务上，MemBodied相较无状态策略和普通循环记忆分别提升成功率7.81倍与2.98倍，并以仅1/10的额外参数量超越最强记忆增强基线1.3倍；在LIBERO-Long全观测试中达90.6%成功率，较基准π₀提升5.4%。结果表明，该方法为历史依赖操作提供了高效、轻量且实用的记忆建模范式。 PDF · arXiv · 代码 · 项目 | ❤️ 9 3. On the Diffusibility of High-Dimensional Latents Chao Feng, Zhiyang Xu, Bowei Chen...

AI 每日资讯 — 2026-09-24 🔥 HuggingFace 每日论文 1. StableVQ: Practical Guidelines for Stable Vector-Quantized Tokenizer Training Bao Tang, Jiahao Guo, Haoxiang Cao 本文针对向量量化（VQ）视觉分词器训练中长期存在的不稳定性问题，提出StableVQ框架。作者指出，编码器–解码器与码本联合训练中的责任纠缠是根本原因，并据此设计三项关键技术：（1）动态直通估计器（Dynamic STE），提升编码器在低码本利用率下的重建鲁棒性；（2）区域VQ损失（Region VQ Loss），使码本能独立、稳定地跟踪编码器输出分布；（3）解耦调度机制（Decoupled Schedule），为不同模块分配独立学习率策略。在ImageNet-1K等基准上，StableVQ显著提升训练稳定性与生成质量，代码本利用率提升达37%，FID降低12.4%。 PDF · arXiv · 项目 | ❤️ 20 2. Flash-dLLM: IO-Aware KV Caching and Parallel Decoding for Fast, Memory-Efficient Diffusion LLMs Quan Nguyen-Tri, Mukul Ranjan, Zhiqiang Shen 本文针对扩散大语言模型（dLLMs）推理效率低、内存开销大的问题，提出无需训练的推理加速框架Flash-dLLM。该框架首次揭示GPU内存I/O是KV缓存启用下dLLM推理的主要瓶颈，并设计I/O感知的融合KV缓存内核以减少冗余数据搬移；进而提出基于KV缓存的“草案-验证”并行解码策略，由同一dLLM模型同时承担草案生成与验证任务，避免引入辅助模型。实验表明，在数学推理与代码生成基准上，Flash-dLLM显著提升推理速度（最高提速2.3×）与内存效率（KV缓存显存降低达47%），且支持更长序列与更大批量，同时保持生成质量。 PDF · arXiv · 代码 | ❤️ 13 3. Agensh: Scaling Organizational Intelligence to 1,024 Agents Zhihao Zhan, Ting Song, Li Dong...

AI 每日资讯 — 2026-09-23 🔥 HuggingFace 每日论文 1. RRSI: Regularized Recursive Self-Improvement of Agent Harnesses Peng Xia, Rujun Han, Zifeng Wang An LLM agent's capability is largely magnified by its harness, namely the prompts, control flow, tooling, memory, and context management surrounding the frozen backbone model. Recent methods increasin PDF · arXiv · 代码 · 项目 | ❤️ 142 2. WorldCrafter: Consistent Video World Model with Implicit 3D-aware Memory Wangbo Yu, Kunhao Liu, Wenbo Hu...