HF 論文速讀 2026-08-14
自演化代理、低成本推理與視覺／全模態落地同日衝榜
今天看點：Ouroboros 自改核心拿下電腦使用 SOTA，BDH-CQ 用小模型把 ARC 成本壓到極低，影音後訓練與全模態對話同步推進。
今天先記三件事
- Ouroboros 以審核 commit 自演化，OSWorld-Verified 90.69%、Terminal-Bench 2.1 8…
- BDH-CQ 150M 在 ARC-AGI-1 達 29.5% pass@2，每題約 $0.0007，刷新成本—準確率前沿。
- VidGround 視覺扎根後訓練讓 7B 模型 VideoMMMU 49.4%；LangFlow 與 Ex-Omni-2D 補齊連續 L…
五篇速讀
Ouroboros：受審核核心演化的編程代理
自演化 harness
為什麼重要：工具、prompt、上下文與核心實作靠審核 commit 迭代，直接刷新多個 agent benchmark。
帶走什麼：遞迴自由演化＋經驗驅動修補；人提故障與提案，代理決定改什麼並成為後續 runtime。
下一步：先看 OSWorld／Terminal-Bench 數字與 Hope 長跑部署邏輯，再對照自家 agent 迴路。
VidGround：先看再答的視覺扎根後訓練
影片理解後訓
為什麼重要：Qwen2.5-VL-7B 在 181K VidGround 子集上 GRPO 後訓，VideoMMMU 準確率 49.4% 衝到第一。
帶走什麼：用視覺扎根的 post-training 強化「看完再答」，評估採 64 幀均勻取樣。
下一步：做 VLM 影片 QA 時優先複製 GRPO＋視覺扎根資料配方與幀取樣設定。
LangFlow：連續 diffusion 語言模型
連續 LM 路線
為什麼重要：連續 diffusion 在語言建模上逼近離散路線；LM1B 驗證集 upper-bound PPL 30.0。
帶走什麼：1M steps＋self-conditioning 的 LangFlow 證明連續流也能打語言建模榜，非生成 PPL。
下一步：若研究 diffusion LM，對照 Table 2 的 upper-bound 設定，勿與 generative PPL 混比。
BDH-CQ：循環潛在推理的情境學習
低成本推理
為什麼重要：推理時持續更新循環記憶，在高維潛空間迭代求解，不必口語化中間步驟。
帶走什麼：150M 在 ARC-AGI-1 公開評測 29.5% pass@2，約 $0.0007／題，突破既有成本—準確率 Pareto。
下一步：做 in-context／抽象推理時優先評估 latent recurrent 與極低推論成本操作點。
Ex-Omni-2D：帶原生視覺存在感的全模態對話
全模態對話
為什麼重要：一次產出文字、個人化語音與參考條件影片，讓回覆不再「有聲無影」。
帶走什麼：VTP 規劃場景情緒動作；多 codebook 語音單元當聲—時介面，Teacher 蒸餾成少步串流 Student。
下一步：做虛擬形象對話時對齊 VTP＋共享語音介面與四步串流推論架構。