Research Papers
EN ZH

AI 研究论文总榜

AI 研究论文总榜 · 2026-W39

统计窗口: 2026-06-29 – 2026-09-26 冻结于 2026-09-27

2

FreeToken：把个人电脑当成弹性推理平台，本地跑大型 MoE 模型

开源大模型越来越重，但本地推理还按“把数据中心的办法缩小”的思路做。FreeToken 围绕本地 AI 的两个现实（智能体负载持续变化、每台机器的资源配比不同），联合设计模型加载、专家驻留、CPU-GPU 协同执行与内存管理，带宽允许时让个人机器也能流畅服务大 MoE 模型。

  • 642 星/7日
  • 2 引用
  • 109 点赞

arXiv · FlashML-org/FreeToken

6

LingBot-VLA 2.0：6 万小时、20 种本体数据预训练的视觉-语言-动作模型

这篇技术报告升级了 LingBot-VLA：重构数据管线，用约 6 万小时预训练数据（20 种机器人本体共 5 万小时轨迹，外加 1 万小时第一人称人类视频），并把控制范围从双臂扩展到头部、腰部、移动底盘和灵巧手，目标直指实验室到真实部署之间的落地鸿沟。

  • 42 星/7日
  • 15 引用
  • 21 点赞
  • #3 robotwin-2-0-easy-50-tasks

arXiv · robbyant/lingbot-vla-v2

7

NeoHorse-1：把每次对话的路由记录变成下一轮训练数据的自我进化模型

这篇工作给“递归自我改进”找了一个具体机制：系统记录每个用户回合预测的能力档位、实际路由到的服务层和交互结果，把这些记录经结构校验与六维语义评估后转成训练样本，保留交错推理、工具调用和 harness 上下文，驱动下一轮 agentic 后训练。

  • 443 星/7日
  • 0 引用
  • 407 点赞
  • #1 tau2-bench

arXiv · TokenRhythm/NeoHorse

10

小米机器人一号：10 万小时以上真机轨迹预训练的视觉-语言-动作模型

小米机器人团队的视觉-语言-动作基础模型，用 10 万小时以上的真机 UMI 轨迹做预训练，并自动标注场景转换语言，再经后训练适配不同本体和人类的指令式提示。论文称数据量和参数量增加时性能持续提升，在新环境里可以开箱即用，灵巧任务上也能高效微调。

  • 7 星/7日
  • 15 引用
  • 75 点赞
  • #3 robocasa

arXiv · XiaomiRobotics/Xiaomi-Robotics-1

11

Dream-RSI：让编程智能体在回放模拟器里离线自我改进探索策略的框架

Dream-RSI 是一个让编程智能体自己改进“怎么探索”的框架：它把智能体过去的发现历程拼成一个回放模拟器，让探索策略在模拟器里低成本地演练迭代，再把练好的策略放回线上继续发现新解，形成递归自改进闭环。论文称在算法工程、数学优化和 GPU 内核三类任务上，它在保持或提升发现质量的同时，显著降低了部分场景下的发现成本。

  • 322 星/7日
  • 0 引用
  • 270 点赞

arXiv · zhengkid/Dream-RSI

12

LLM-as-a-Verifier：不问裁判式打分，直接从打分 token 读出连续验证分数

LLM-as-a-Verifier 让 LLM 当验证器：不再问模型“打分还是不打分”，而是直接从打分 token 的 logits 里算期望，得到免训练的连续反馈信号。作者称在 Terminal-Bench V2、SWE-Bench Verified 等智能体基准上取得当前最好成绩，还做成了 Claude Code 扩展，用于监控智能体并为强化学习提供稠密奖励。

  • 32 星/7日
  • 11 引用
  • 19 点赞

arXiv · llm-as-a-verifier/llm-as-a-verifier

13

OSWorld 2.0：108 个长程真实电脑操作任务，最强智能体也只完成两成

OSWorld 2.0 是 xlang-ai 团队推出的电脑操作智能体基准，用 108 个基于真实文件、带用户状态的长程工作流任务取代此前的短脚本任务，人类完成一道题的中位数约 1.6 小时。结果相当扎心：表现最好的 Claude Opus 4.8 也只能完成 20.6% 的任务，常常在跟踪约束和结果验证上掉链子。

  • 17 星/7日
  • 15 引用
  • 25 点赞

arXiv · xlang-ai/OSWorld-V2

14

SoL-Pi：让自动化研究循环自我演化，把编程智能体的外壳做得更省 token

SoL-Pi 把递归自我改进用在智能体的运行外壳上而不是模型本身：一个自动化研究循环在多样环境里自行演化出动作执行、上下文压缩、观察处理和委托阅读四类可复用机制。作者在 51 题的 EdgeBench 基准上报告，它在与 Pi 相当的性能下把记录的 token 流量减少 44.7%-49.0%,API 成本约降三分之一。

  • 644 星/7日
  • 0 引用
  • 66 点赞

arXiv · NVlabs/SoL-Pi

15

Frontis-MA1：开源的 350 亿“元进化”智能体，递归改进自己的机器学习工程

Frontis-MA1 附带 OpenMLE 全栈开源系统（任务环境、强化学习算子学习、进化搜索），用来研究递归自我改进；其 350 亿参数元进化智能体围绕 Draft、Improve、Debug、Crossover 四类程序进化算子做后训练，作者称在 MLE-Bench Lite 上超过 GPT-5.5 加 Codex 的组合，组件还能迁移到没见过的 NatureBench Lite。

  • 39 星/7日
  • 3 引用
  • 186 点赞

arXiv · FrontisAI/OpenRSI

16

RRSI：给智能体 harness 的递归自我改进加上正则，让进化出的机制扛得住分布外基准

反复自动修改智能体的 harness（提示词、控制流、工具、记忆）看似在自我进化，实则常常只是背熟了训练任务，一换基准就露馅。RRSI 给进化环的两端都加上正则：提案方在时间退火预算下工作、被鼓励走向没试过的路径；筛选方用 critic 挡掉针对特定基准的修改，用 pruner 剔除太小、太贵或已无用的编辑。论文称在进化所用划分上最多提升 14.1 分，在五个分布外基准上最多提升 4.7 分，且进化出的 harness 运行少用 30% 的 policy token。

  • 359 星/7日
  • 0 引用
  • 172 点赞

arXiv · google-research/rrsi

17

ABot-World-0：单张台式机显卡实时流式运行的动作条件世界模型

ABot-World-0 是动作条件视频世界模型，用 3A 游戏、仿真引擎和互联网视频的多源数据训练，直接以原始键盘输入操控，并用参考角色记忆保证第三人称滚动的身份一致。作者称单张 RTX 5090 即可流式输出 720p、最高 16 FPS 的交互画面，动作到首帧延迟约 1.2 秒，目标是真正能玩的长程闭环交互。

  • 9 星/7日
  • 6 引用
  • 313 点赞

arXiv · amap-cvlab/ABot-World

18

智能体自我改进综述：基础模型加脚手架，怎样把经验变成能力积累

这篇综述把自我改进的智能体拆成“基础模型 + 提示词、记忆、工具、控制逻辑组成的运行脚手架”，并把“改进”定义为一个自我触发的更新算子：把经验转化为能力积累，尽量少依赖人工。作者按更新对象和驱动信号梳理了大量工作，从改提示词、改记忆一直到权重级的自我修改。

  • 19 星/7日
  • 9 引用
  • 35 点赞

arXiv · selfimproving-agent/awesome-Self-Improving-Agents

本周 · AI 研究论文总榜