检索标题、摘要与正文，把分散的信息连起来。
11月4日，腾讯混元发布最新一代大语言模型Hy4，同时宣布模型权重将于近期开源。Hy4是Hy系列第一个引入视觉理解能力的模型，可以完成细粒度图像处理、复杂图表分析和数学视觉推理。Hy4最大特点就是“长”。混元官方表示，相较于Hy4 preview，Hy4预训练和后训练上显著扩展了数据和训练规模，大幅提升指令遵循、长文理解、长程智能体等综合效果。办公场景，Hy4在WorkBuddy的平均效果得分83.18分，任务通过率96.15%，12个场景里9个排名国内第一。金融场景，混元联合腾讯金融科技FiT找了213位专家做众测，其中153位来自外部头部金融机构，579个真实金融任务跑下来，综合表现位居开...
arXiv:2610.37682v1 发布类型：新 摘要：与成对比较相比，列表式偏好反馈能够为大型语言模型（LLMs）的对齐提供更丰富的监督信号，但完整的排序结果也会暴露更为敏感的用户偏好。现有的隐私保护型对齐方法主要聚焦于成对反馈，而本地差分隐私（LDP）下的列表式对齐仍处于未被探索的状态。将LDP扩展到这一列表式场景时，面临一个关键挑战：由于完整排序空间的高度敏感性，需要引入过量的噪声，从而抵消了列表式监督的优势。为应对这一挑战，我们分析了下游训练中监督粒度与隐私噪声之间的相互作用，并提出了一种排序感知的指数机制，用于对列表式偏好进行隐私保护。
arXiv:2610.37681v1 发布类型：新 摘要：近年来，大型推理模型在解决复杂任务方面展现出卓越的能力，而基于长链式思维数据的监督微调（SFT）则成为激发并提升其推理能力的关键基础。尽管在改进与分析面向推理的监督微调方面取得了快速进展，但该领域仍缺乏一份系统性的综述来整合其快速增长的文献。为填补这一空白，我们对近期推理相关监督微调的最新进展进行了全面回顾，并从方法设计与分析研究的双重视角审视相关文献。首先，我们梳理了监督微调全流程中的方法学改进，并将其划分为以数据为中心的方法与以算法为中心的
arXiv:2610.33065v1 发布类型：新 摘要：由于头皮记录存在噪声、空间分辨率较低，且在不同试验和受试者之间具有较大差异，脑电图（EEG）的视觉解码仍然十分困难。大多数系统将每次试验与一个密集的图像嵌入对齐，然而该嵌入同时混杂了语义内容以及与具体实例相关的纹理、姿态和背景信息。这种做法往往需要EEG本身并不具备的细节信息，且未能明确说明支持预测的视觉因素。我们提出\textbf{ProtoEEG}，一种基于原型的框架，它将EEG与图像的对齐问题重新表述为在共享的可学习视觉码本之上进行软性组合。一个可训练的EEG编码器与一个冻结的视觉教师共同生成针对同一$K=64$个原型的分配分布。它们的加权重构构成了一种结构化的表征
arXiv：2610.32997v1 发布类型：新 摘要：诸如OpenAI的Whisper等自动语音识别（ASR）模型在语音识别质量方面取得了显著提升，但微调成本依然高昂，尤其是在拥有大量已转录音频的情况下。这使得许多从业者难以将这些模型适配到新的语言或领域。在本研究中，我们提出了一种基于嵌入的子集选择方法，用于为ASR微调挑选更小规模的训练集。我们利用Whisper的预训练编码器，将每个音频样本映射到一个固定维度的嵌入空间，并采用贪心的k中心算法来选取多样且具代表性的训练数据子集。我们在希伯来语和丹麦语上对该方法进行了评估，结果表明，k中心选择往往能
arXiv:2610.33044v1 发布类型：新 摘要：具身视觉-语言模型必须根据部分且不断变化的观测结果来回答问题。其成功既取决于所选择的推理能力，也取决于该能力所能获取的证据。专家路由器通过调整内部计算来应对，而工具增强系统则通过获取外部证据来弥补；若单独选择其中一种方式，可能会导致合适的专家缺乏其所需的证据。我们提出了 EKT-Router，这是一种有限框架，能够同时选择能力专家、可选知识以及感知工具。基于结果的特征表示了通用专家、空间推理专家和时空推理专家之间的优势互补。一个联合效用函数在调用预算范围内对完整的专家—证据路径进行评分。获取完成后，数据包验证器会确认有效数据包
arXiv：2610.32179v1 发布类型：新 提要：神经架构搜索（NAS）成本高昂，但通过复用先前任务的知识，跨任务迁移能够有效降低成本。然而，现有方法在处理稀疏的搜索历史以及任务特定的迁移失败时面临困难。我们提出了一种风险稳健的策略，该策略通过基于冠军的初始化和联合的成对排序器预训练，将稀疏的源日志与零成本代理相结合。在 TransNAS-Bench-101 上，该方法显著缓解了严重的最差情况下的失败，使微观自动编码任务的最差10%排名从290降至43，宏观房间布局任务的最差10%排名从465降至45。在13个细胞空间目标上，该方法在平均性能和最差情况性能两方面均优于仅使用代理的排序器，并且在平均性能上仍保持竞争力。
对机器而言，“夜晚”是什么？
arXiv：2610.32237v1 发布类型：新 摘要：在现代金融市场中，超过四分之三的大宗交易均由基于先进交易策略的算法交易执行，其精度与速度均优于传统的人工交易。然而，以价格指标为核心的传统策略难以捕捉由社会情绪、政治不稳定或突发经济变化等现实事件所引发的市场动态。随着深度强化学习（DRL）的兴起及数据获取的日益便捷，亟需更高效的算法，以便将这些外部因素纳入交易策略之中。深度强化学习在模拟现实场景以及简化复杂决策方面展现出巨大潜力，因为DRL智能体能够自动
arXiv：2610.31846v1 发布类型：新 摘要：智能体应当从自身错误中学习，从而使经验带来持续改进。然而，当前的智能体仅能暂时从错误中恢复：上下文中的反思很容易在不同会话间被遗忘，并且会与有限的上下文资源产生竞争；而全参数微调则成本高昂，还可能干扰已有能力。我们提出了一种名为“自我引导”的机制，使智能体能够从错误中学习，兼具临时性上下文重试与策略更新的优势。当智能体执行任务失败时，它会回顾自身的行动轨迹，从中提炼出经验教训，并立即将其转化为一个轻量级的低秩适配器。通过冻结原始权重，自我引导机制有效避免了适配器训练对原有模型的过度覆盖……
arXiv:2610.32034v1 发布类型：新 摘要：随着轨道碎片数量的不断增加，人们对主动清除碎片和在轨服务的兴趣日益浓厚。与单臂系统相比，双臂空间机械手能够在抓取稳定性和载荷分布方面提供更优的性能。然而，在存在臂间碰撞规避、姿态对齐以及传感不确定性的情况下，协调两台机械手仍是一项极具挑战的任务。本文针对具有臂间碰撞规避约束的目标到达任务，提出了一种用于双臂空间机械手协同运动规划的协调强化学习框架。该框架采用一种集中式状态表示，融合了关节空间、末端执行器以及目标相对位置等信息；同时，设计了一种多目标奖励函数，以促进目标达
Fyxer 使用 OpenAI 模型,微调,内存和真实的用户反馈来组织每个用户声音中的收件箱和邮件草稿.
保罗·克里斯蒂安诺加入了OpenAI基金会董事会及其安全保障委员会,带来了AI协调,安全和标准方面的经验.
