来自 HuggingFace 的文章
本文介绍了THAW-VLA，一种将世界模型表示蒸馏到视觉-语言-动作模型中的方法，用于机器人学，增强了在模拟和真实硬件上的鲁棒性和性能，而不会增加推理开销。
本文提出了VideoGen-Agent，一种基于强化学习的多模态智能体，它协调工具进行视频生成，在新的VABench基准测试上显著提升了性能。
Jev-Mem引入了一种受System-One/System-Two认知启发的智能体记忆架构，通过提升分数和加快操作，增强长期AI智能体的效率和效果。
本文介绍了GameHorizon Suite，一个统一的数据和评估框架，用于评估AI模型在多个时间跨度上的游戏玩法能力，包含标注流水线、大规模数据集和可复现的基准。
本文介绍了Harness-Zero，一种通过agent-as-harness将优化的代理框架蒸馏到大语言模型中的方法，即使在专业框架被移除后，也能显著提升知识工作、工具使用和科学领域的任务性能。
onPanda是一个交互式工具，使用令牌级修正来高效标注大语言模型对齐数据和智能体轨迹，将中位数标注时间减少了52%。
本文提出了一种信息效率比（IER），用于优化稀疏在线策略蒸馏中的令牌选择，证明仅使用1%的令牌就能达到与全面监督相当的性能。
CARE是一个面向视觉-语言-动作策略的框架，通过从执行失败中学习生成纠正动作来增强机器人操作，在模拟和现实世界任务中展示了成功率的提升。
文档检索感知分块（D-RAC）是一种方法，它将企业文档标准化为 PDF，使用多模态 LLM 将其转换为检索优化的 Markdown，并进行高效分块，与代理分块相比，显著降低了 token 使用量和成本。
WorldCrafter是一个视频世界模型，它学习一个可相机查询的隐式3D感知记忆，用于从单张图像或文本提示进行一致且相机可控的流式场景探索。
本文介绍了针对AI智能体框架的正则化递归自我改进（RRSI），该方法在递归进化过程中应用正则化以防止过拟合，在多个基准测试中展示了性能提升。
Hugging Face 发布了 tokenizers v1，这是分词库的重大性能更新，基准测试显示与先前版本相比速度有显著提升。
Qwen-Image-2.1模型的GGUF量化版本，用于使用ComfyUI进行本地图像生成，包含推荐的量化方式和部署设置说明。
Hemmingway-1 是一款拥有270亿参数的开源AI模型，专注于日常写作任务，在用于类似人类沟通的基准测试中表现优于领先模型。
本文提出了Grounded Action Models (GAMs)，一种集成3D定位的新型机器人基础模型范式，在操作任务上实现了最先进的性能。
Mira-Scene 引入了一个组合式三维场景重建框架，使用像素对齐的规范坐标图进行精确的对象布局，在布局精度上相较于现有方法实现了显著提升。
本文介绍了一种用于软件工程智能体的类别感知专家训练框架，以缓解不同任务类别间进展不均的问题。该框架采用迭代训练和多教师蒸馏技术，并在Pro-618和SWE-bench Multilingual基准测试上取得了显著性能提升。
本文对视频扩散模型进行可解释性研究，揭示旋转位置嵌入（RoPE）导致过度的空间注意力衰减，从而引发物理违规，并提出一种轻量级的架构修改以增强生成视频的物理连贯性。