统计日期 2026-10-30·本期 10 篇·问题与新思路速读
统计范围：北京时间 2026-10-30 00:00–24:00首次提交、截至检索时已公开并被 arXiv 编目的匹配论文。完整取得 29 篇候选，本期收录 10 篇。
阅读依据：论文标题、摘要与可核对元数据。下文是摘要速读，未逐篇全文审阅或独立复现。
昨日研究概览
本组论文共同聚焦基础与生成模型在长程任务、可交互世界和跨场景使用中的可控性：有的通过上下文重整、结构化状态或潜空间记忆降低累积负担，有的把规则执行与视觉渲染解耦，或联合蒸馏生成与语义理解能力，有的以主动取证、多轮意图决策和跨语言数据扩展补足验证与安全缺口；另以多智能体组织连接个性化学习，并以预训练滤波模型覆盖异构动力系统。
逐篇看：问题与新思路
01. 长程智能体以检查点重整上下文
原文：Don’t Lose the Thread: Empowering Long-Horizon LLM Agents with Cognitive Resource Self-Allocation
要解决的问题： 长程任务中，工作记忆会不断积累无关信息，造成认知过载、注意力稀释并削弱规划；而持续保留完整上下文又推高推理成本。
新颖的想法： 提出认知资源自分配机制，让智能体把任务进度与已验证事实设为检查点，随后重置混杂上下文，仅保留检查点并从干净状态续推；另用多回合智能体强化学习优化检查点行为，使上下文清理与长程推理协同进行。
入选线索： 作者在 arXiv 标注发表/录用信息：Accepted at COLM 2026. Code is available at https://github.com/JIA-Lab-research/CORAL；作者机构原文包含：Tencent、Chinese University of Hong Kong
02. 单图生成可查询的三维场景
要解决的问题： 生成式三维重建虽能从单图合成场景，但输出通常缺少开放词汇语义与实例身份；现有三维理解又常依赖多视角采集、泛化有限，或需逐场景处理和优化。
新颖的想法： 将可控相机视频扩散模型与冻结的二维视觉基础模型知识蒸馏到统一网络，直接从视频潜变量推断承载几何、外观、开放词汇语义和类无关实例线索的三维高斯；无需人工三维标注、采集多视角数据或逐场景优化，并可扩展到单目视频。
入选线索： 作者机构原文包含：NVIDIA
03. 多智能体协同组织个性化学习
原文：Agentic University: Collaborative Agents for Personalized Learning
要解决的问题： 个性化辅导中的目标、学习活动与评估若彼此割裂，难以形成随学习者能力持续演进的连贯过程；核心难点是让这些环节保持对齐，并依据学习证据决定后续活动与支持。
新颖的想法： 提出人类参与式多智能体组织：学习者作为组织成员，与不同专门智能体共同维护可修订的“能力计划”，把个人目标、跨模态活动和分层评估连接起来，并依据反馈与表现调整后续支持；研究以用户评估检验计划组织、评估设计和修订质量。
入选线索： 作者机构原文包含：Shanghai Jiao Tong、National University of Singapore；摘要或评论提供代码、模型或数据链接线索
04. 模板扩展多语言安全语料
原文：How I Aligned Your Model: Scaling Up Multilingual Safety Training with Templates
要解决的问题： 现有大模型安全对齐高度偏向英语，低资源语言代表性不足；公开训练数据往往规模有限，且缺少按地区文化本地化的有害主题，难以覆盖仅靠英文评测看不出的风险。
新颖的想法： 设计可扩展的模板增强流程：从有害提示中提取可复用模板，翻译模板，并以当地真实实体填充有害与良性槽位，生成大规模多语言拒答和良性语料；由此形成覆盖60种语言的MSafeTemp，用于训练和评测，并揭示翻译及文化本地化攻击带来的额外失效。
入选线索： 作者机构原文包含：ETH Zurich
05. 交互代理解耦规则与战斗渲染
原文：Fight World Model: Customizable Combat through Visual Interaction Proxies
要解决的问题： 视频世界模型能生成看似合理的战斗，却常让受击反馈和生命值变化脱离既定规则，难以同时满足状态持久、规则可执行与玩法可扩展的要求。
新颖的想法： 把规则执行与视频渲染分离：由可执行引擎维护状态并结算交互，再以确定性编译器把结果与尝试动作编码为时空对齐的交互代理，对齐技能窗口、受击反应和按角色身份绑定的生命值。代理信号可独立控制，无需重训渲染器即可加入伤害缩放、有限免疫等机制，并保持角色外观。
入选线索： 作者机构原文包含：Tsinghua University、University of Oxford
06. 以主动取证验证智能体任务完成
原文：VeriCUA: Verification as Agentic Exploration for Computer-Using Agents
要解决的问题： 计算机操作智能体需要可靠判断任务是否完成，以支持数据筛选、评测和强化学习；但视觉模型裁判只能看到给定观测，程序检查又受可访问状态限制，可能遗漏决定性证据，且跨平台定制验证器成本高。
新颖的想法： 将任务验证改造成主动式智能体探索：先检查现有上下文并构造任务规则清单，再针对未解决要求选择图形界面操作或代码检查，最后按明确证据规则合并发现。该框架以统一流程适配不同平台、模态及在线和离线场景，用互补证据减少无依据的完成判定。
入选线索： 作者机构原文包含：Google
07. 骨架几何信号控制实时游戏世界
原文：Wizard: Manipulate Any World in Real Time via Agentic Control
要解决的问题： 现有智能体式游戏世界模型多局限于简单场景和预设运动，对未见环境、角色泛化不足，角色动作只能有限控制，难以兼顾实时交互、视觉质量与玩法一致性。
新颖的想法： 构建覆盖多场景与多角色的数据集，以骨架和几何信息作为结构化中间代理来条件化视频生成模型，并用自适应掩码增强代理信号与生成片段的对齐；同时由智能体框架显式维护和更新游戏状态，配置世界并细粒度控制未见角色动作。
入选线索： 作者机构原文包含：Tencent
08. 潜空间三维记忆支撑实时世界生成
原文：L3G-World: Real-Time Infinite World Generation with Latent 3D Gaussian Memory
要解决的问题： 交互式世界模型在长时间探索中既要保持空间一致，又要实时响应；依赖时间上下文或显式三维记忆会随生成长度膨胀，而把三维记忆重新编码为RGB再条件化也无法满足实时速度。
新颖的想法： 提出潜空间三维高斯记忆：更新器只在新观测区域生成高斯并细化已有高斯，使记忆规模随场景范围而非流长度增长；每个高斯保存VAE潜特征，可直接渲染进视频扩散Transformer的潜空间。更新器与DiT交替自回归运行，从而兼顾长程空间一致和实时生成。
入选线索： 作者机构原文包含：KAIST
09. 预训练模型统一异构系统滤波
原文：A Pretrained Model for Bayesian Filtering in Heterogeneous Dynamical Systems
要解决的问题： 在线贝叶斯滤波依赖已知动力学，学习型神经滤波又常为单一系统或参数族从头训练；不同系统的动力学、物理尺度、噪声水平和状态维度各异，缺少可复用的共享表示空间。
新颖的想法： 提出FilterFM，用两级层次观测序列编码器处理异构观测维度，并通过先验到后验的状态重建模块适配不同状态维度，以分位数预测表达状态不确定性；模型在混合滤波任务上预训练，作者据此主张单一检查点可跨系统复用并支持未见动力学的零样本滤波。
入选线索： 作者机构原文包含：Tsinghua University、Shanghai AI Laboratory
10. 先作安全决策再生成多轮回复
原文：ShallowDefend: Harnessing Shallow Safety Alignment for Multi-Turn Defender
要解决的问题： 模型虽能直接拒答明显有害请求，但同类请求拆分到多轮对话后仍常绕过防护。摘要认为对齐行为集中于开头少量输出token，现有防御只监督回复表面，未让模型显式形成可约束的安全判断。
新颖的想法： 提出“评估—决策—回应”框架：防御模型先判断用户意图并提交可解析的安全标签，再以该决定为条件生成回复，并在承载请求的关键轮用强化学习训练决策提交。训练可采用无需人工标注的规则化自校验奖励，也可改用分级标签的模型裁判奖励与安全改道。
入选线索： 作者机构原文包含：Microsoft
来源、筛选与阅读边界
Top 10 是可解释的阅读优先级，不是公认学术权威排名。排序参考作者标注的发表/录用信息、作者区的机构原文、研究发布和开源线索，再结合方向与方法贡献线索；未提供的依据不从作者姓名或模型常识推断。arXiv 元数据中的录用信息仍是作者标注，不等于本站独立核实了会议录用。
同一论文可以属于多个研究方向；每个方向内部按基础论文 ID 去重，版本更新不另算新论文。候选按首次提交时间筛选，不把旧论文的新版本当作昨天新论文。超过十篇时筛选十篇，不足十篇按实际数量收录。
检索截至：2026.10.31 08:16（北京时间）。本方向共 29 篇候选，本期收录 10 篇。
查询记录：第 1 页。
本文由 AI 研究助手整理并进行来源审校。新颖性为作者的贡献主张，摘要可能省略关键条件；涉及采用、复现或投资决策时，请继续阅读原文。arXiv 收录不代表已经通过同行评审。
有 AI 项目想法？一起聊聊。
欢迎交流实践、寻找伙伴，或聊聊你的项目需求。
