Scout·清单nlp.elvissaravia.com2026-10-04
🥇Top AI Papers of the Week
The Top AI Papers of the Week (September 28 - October 4)
no score查看详情
Elvis Saravia 整理的 NLP 领域技术周报，涵盖大模型训练、推理优化、多语言 NLP、评测基准等前沿技术话题。
The Top AI Papers of the Week (September 28 - October 4)
Gemini 4 Argon, OpenAI Dots, GPT-6.1 Sol, Claude Sonnet 5.5, Pi 1.0, Claude Code Mods, and More
本周 AI 论文精选介绍小米 MiMo 团队提出的 HySparse2 注意力架构（将用于即将发布的 MiMo-V3），在 100 万 token 场景下大幅降低预填充算力与 KV 缓存体积；MIT 与 Sakana AI 的研究提出 SIFT，降低自改写编码智能体的运行成本。另有赞助内容介绍 StepFun 的 Step 5 Preview 模型。
本期 NLP 论文周报介绍了两篇研究与一则赞助内容。小米 MiMo 团队提出的 HySparse2 注意力架构将用于即将发布的 MiMo-V3，通过 KV Bridging 与 KV Reuse 两级共享机制降低长上下文 agent 工作负载的预填充成本与 KV 缓存体积。在相同数据训练的 80B-A3B MoE 模型上，HySparse2 相比 MiMo-V2 系列的 Hybrid SWA 降低 5.02 倍预填充 FLOPs、相比 HySparse 降低 2.92 倍，KV 缓存从 12.09 GB 降至 2.69 GB；经轻量后训练后在 MRCR-v2 上比 HySparse 高 11.30 分、在 RULER-v2 上高 19.81 分。MIT 与 Sakana AI 的研究者提出 SIFT，将自改写编码智能体（如 Darwin Gödel Machine）的大部分运行成本定位到其中一个步骤并加以优化。赞助内容介绍 StepFun 的 Step 5 Preview 模型，为 600B 总参数、27B 激活的 MoE，支持 100 万 token 上下文与视觉输入，权重计划于
Claude Opus 5.5, GPT-6 Sol and Luna, MiMo-V2.6, Step 5 Preview, Google AX, Agensh, and More
The Top AI Papers of the Week (September 14 - 20)
Jev, Salesforce Koa, Claude Code Projects, Anthropic R&D Metrics, Periodic Neon, Gemini 3.8 Live,...
The Top AI Papers of the Week (September 7 - 13)
OpenAI Agents API, Cognition SWE-2, DeepSeek-V4.1-Flash, Cursor Projects, Sakana Fugu Max, Meta Muse, and More
本周精选三篇 AI 论文：Google DeepMind 与同行提出 Declarative Attention，让模型在思维链中自行声明需读取的上下文区域，从而跳过大部分 KV 缓存读取；Harness-of-Harness 将现有编码工具链组织为规划、编码、测试的迭代循环，支撑多日无人值守开发；Google 的 WikiSkill 为 Karpathy 提出的 LLM wiki 概念提供框架，让智能体从自身运行中演化技能库。
该周报介绍三篇最新 AI 论文及其基准结果。Google DeepMind 与同行的 Declarative Attention 让模型在思维链中自行声明需要读取的上下文位置，将生成分为全局、聚焦与局部三种模式，推理引擎像解析函数调用一样解析这些声明并跳过大部分 KV 缓存读取，在长上下文任务上显著降低解码期注意力读取量。Harness-of-Harness 在现有编码工具链之上引入 Planner、Developer、QA Tester 三种角色的迭代循环，并将实现期测试与独立评估分离，三轮迭代后相对独立工具链平均提升约 52%。WikiSkill 同样出自 Google，为可演化的智能体技能 wiki 提供了框架。
OpenAI 发布专为操作计算机而设计的新模型 GPT-6 Astra，官方基准显示其在 agentic、科学数学与计算机工作流上全面领先；首发限量组织，随后扩展至 ChatGPT、OpenAI API 与 AWS。该周刊同时预告 NVIDIA 收购 Hugging Face、Anthropic 发布 Claude Fable 5.1、Google 发布 Gemini 3.8 Flash 等动态。
据 AI Agents Weekly 报道，OpenAI 发布新模型 GPT-6 Astra，主打操作计算机而非在聊天窗口应答，OpenAI 宣称其在 AutomationBench、Terminal-Bench 4.0、ARC-AGI-3 等七项基准上均领先对比模型。该模型首日仅向部分组织开放，随后将推向 ChatGPT Plus、Pro、Business、Enterprise、OpenAI API 与 AWS。该期还以头条预告 NVIDIA 收购 Hugging Face、Anthropic 发布 Claude Fable 5.1 与 Mythos 5.1、Google 发布 Gemini 3.8 Flash、Meta 发布 Muse Spark 1.3 以及多项 agent 工具与评测项目的更新。
文章盘点本周三篇 AI 论文：Netflix 详述将 LLM 评判器作为生命周期管理以支撑百万级会员场景；NVIDIA 团队提出 Skill Lift 方法衡量技能实际增益，发现审查门槛与技能质量几乎无关；第三篇 Context Management as Code 仅存标题、正文截断。
本周 AI 论文盘点涵盖三项研究。Netflix 在工程实践中将 LLM 评判器视为贯穿诞生、训练、部署、监控的生命周期，每周处理数十万条剧集级推荐解释，A/B 测试表明能推动用户观看此前未看内容且无质量下架。NVIDIA 团队测量 145 个真实技能后得出审查分数与质量相关性仅 Spearman rho 0.14，并据此提出 Skill Lift 配对运行方法。第三篇论文仅保留标题，正文缺失。
Z.ai 发布原生多模态模型 GLM-5.3-Flash，总参数 320B、激活 18B，支持 100 万 token 上下文并以 MIT 开源；其智能体与编程基准全面领先 GLM-5.2，定价每百万输入 token 0.15 美元，并在国产 AI 芯片上完成服务。本期周刊还以标题预告了腾讯 Hy4、Qwen4、Claude 内置浏览器等多项进展。
Z.ai 发布了原生多模态模型 GLM-5.3-Flash，该模型总参数 320B、激活参数 18B，上下文窗口达 1M token，采用 MIT 许可证开源，此前以 Ox Alpha 名义在 OpenCode 与 OpenRouter 上匿名预览。其智能体基准成绩全面超过 GLM-5.2，包括 Terminal Bench 2.1 的 84.3 与 DeepSWE v1.1 的 63.4；在 Z.ai Code Bench v1.0 上最大努力得分 29.0，接近 Claude Opus 4.8 的 29.5。模型定价为输入每百万 token 0.15 美元、输出每百万 0.50 美元、缓存输入每百万 0.03 美元，混合注意力架构将注意力计算降低 3.0 倍、KV 缓存降低 4.4 倍。全部推理流量运行在国产 AI 芯片上，端到端服务性能较同硬件早期基线提升 3 倍。