1
Papers
Hugging Face Papers 周报
Report date2026-08-13
68条目
1分组
成功状态
papers
68 条2
InSight-doc: Agentic Visual Perception for Long-Document Understanding（InSight-doc：自主视觉感知在长文档理解中的应用）
InSight-doc：自主视觉感知在长文档理解中的应用
3
360CityArena: A Realistic Virtual Urban Navigation Benchmark for Embodied Agents（360CityArena：面向具身智能体的现实主义虚拟城市导航基准）
360CityArena：面向具身智能体的现实主义虚拟城市导航基准
4
ComBodied Agents: a New Paradigm of Human-Centric Agentic AI（ComBodied 代理：以人为本的新范式AI）
ComBodied 代理：以人为本的新范式AI
5
6
Ex-Omni-2D: Expressive Omni-Modal Dialogue Models with Native Visual Presence（Ex-Omni-2D：具有原生视觉存在的全方位模态对话模型）
Ex-Omni-2D：具有原生视觉存在的全方位模态对话模型
7
8
SkillZip: Evaluation-Free Skill Compression for Self-Evolving Agents by Discovering Reusable Structure（SkillZip：发现可重用结构的无需评估技能压缩方法用于自我进化的代理）
SkillZip：发现可重用结构的无需评估技能压缩方法用于自我进化的代理
9
10
VibeLifeBench: Can Your Life Agent Be Proactive and Persistent in a Living World?（VibeLifeBench：你的生活代理能在动态世界中主动且坚持不懈吗？）
VibeLifeBench：你的生活代理能在动态世界中主动且坚持不懈吗？
11
12
13
TSDS-Toolbox: A Toolbox for Measuring Time-Series Dataset Similarity（TSDS-Toolbox：时间序列数据集相似性测量工具箱）
TSDS-Toolbox：时间序列数据集相似性测量工具箱
14
iFAN: Inference-Aware Learning for Plain Mask Transformers（iFAN：推理感知学习用于普通掩码变压器）
iFAN：推理感知学习用于普通掩码变压器
15
16
DSAgentBench: Can Agents Automate End-to-End Data-Science Workflows in Real Computer Environments?（DSAgentBench：代理能否在实际计算机环境中自动化端到端的数据科学工作流？）
DSAgentBench：代理能否在实际计算机环境中自动化端到端的数据科学工作流？
17
18
AdvFD: Boosting Visual Generation via Adversarial Fr'echet Distance Loss（AdvFD：通过对抗Fréchet距离损失提升视觉生成）
AdvFD：通过对抗Fréchet距离损失提升视觉生成
19
DistilVDR: A Compact End-to-End Visual Document Retriever via Dual-Student Distillation（DistilVDR：一种基于双学生蒸馏的紧凑型端到端视觉文档检索器）
DistilVDR：一种基于双学生蒸馏的紧凑型端到端视觉文档检索器
20
Articulated Object Reconstruction from Rest-State Observation（从静止状态观察进行articulated对象重构）
从静止状态观察进行 articulated 对象重构
21
22
BDH-CQ: In-Context Learning with Recurrent Latent Reasoning（BDH-CQ：基于上下文学习与递归潜在推理）
BDH-CQ：基于上下文学习与递归潜在推理
23
Macaron-V1: Towards Open Continual Learning with Self-Improvement and Mixture-of-LoRA（Macaron-V1：面向开放连续学习的自我提升与混合洛拉（Mixture-of-LoRA））
Macaron-V1：面向开放连续学习的自我提升与混合洛拉（Mixture-of-LoRA）
24
SWE-Bench ProMax: Benchmarking Agents on Large-Scale Multilingual Code Refactoring（SWE-Bench ProMax：大规模多语言代码重构基准测试代理）
SWE-Bench ProMax：大规模多语言代码重构基准测试代理
25
26
Motif 3: Technical Report（motif 3: 技术报告）
motif 3: 技术报告
27
28
29
30
Evo-Bench: Can Language Models Improve Agent Harness?（Evo-Bench：语言模型能提升代理器的表现吗？）
Evo-Bench：语言模型能提升代理器的表现吗？
31
32
Ouroboros: A Self-Developing Frontier Coding Agent with Reviewed Core Evolution（Ouroboros：一个自我发展的前沿编码代理，配有审核的核心进化）
Ouroboros：一个自我发展的前沿编码代理，配有审核的核心进化
33
OasisKV: Scaling In-Decode KV Cache Beyond HBM with Lookahead Sparse Prefetching（OasisKV：基于前瞻稀疏预取超越HBM的In-Decode KV缓存扩展）
OasisKV：基于前瞻稀疏预取超越HBM的In-Decode KV缓存扩展
34
RynnValue: Scaling Robotic Value Foundation Models with Temporal Distance（RynnValue：基于时间距离扩展机器人价值基础模型）
RynnValue：基于时间距离扩展机器人价值基础模型
35
36
Scaling Inherently Interpretable Language Models（固有可解释语言模型的扩展）
固有可解释语言模型的扩展研究论文来源：HF Papers
37
38
An End-to-End Agent Auditing Engine（端到端代理审核引擎）
端到端代理审核引擎PDF：hfpapers.com/papers/agent-auditing-engine
39
40
41
42
On-Policy Self-Distillation without Any Supervision（有监督的自蒸馏策略）
有监督的自蒸馏策略：On-Policy Self-Distillation without Any Supervision
43
44
Ego-OSCAR: Egocentric Open source Stereo CAptuRe System（Ego-OSCAR：第一人称开源立体捕捉系统）
Ego-OSCAR：第一人称开源立体捕捉系统
45
CEAA: A Cognitive Embodied Agents Architecture for Interactive Computing Systems（CEAA：认知体化代理架构在交互式计算系统中）
CEAA：认知体化代理架构在交互式计算系统中的应用研究
46
Vision-Language Grounding as Bidirectional Concept Correspondence（视觉-语言 grounding 为双向概念对应关系）
视觉-语言 grounding 为双向概念对应关系
47
Efficient Knowledge Distillation for LLMs: Offline Top-K Logits and a Fused Chunked KL Loss（高效知识蒸馏技术应用于LLMs：离线Top-K概率和融合分块KL散度损失）
高效知识蒸馏技术应用于LLMs：离线Top-K概率和融合分块KL散度损失
48
49
Capek 0.5: An Execution-Centric Vision-Language Model for Embodied Intelligence（Capek 0.5：基于执行的视觉-语言模型用于具身智能）
Capek 0.5：基于执行的视觉-语言模型用于具身智能
50
51
52
53
Can MLLMs Decode the Creative Leap? Introducing C4 for Cross-Concept Understanding（MLLMs能解码创造性飞跃吗？介绍C4以实现跨概念理解）
MLLMs能否破解创造性飞跃？论文介绍C4以实现跨概念理解。
54
PrivacyPeek: Auditing What LLM-Based Agents Acquire, Not Just What They Say（PrivacyPeek：审计基于LLM的代理获取的内容，而不仅仅是它们所说的内容）
PrivacyPeek：审计基于LLM的代理获取的内容，而不仅是它们所说的内容。
55
56
57
Reinforcement Learning with Evolving Rubrics as Rewards for Audio Reasoning（强化学习与 evolving rubrics as rewards 用于音频推理）
强化学习与evolving rubrics as rewards用于音频推理
58
Uncertainty-Aware World Model for Aerial Image-Goal Navigation（面向不确定性的世界模型在航空图像目标导航中的应用）
面向不确定性的世界模型在航空图像目标导航中的应用
59
YOLO-PEFT: Parameter-Efficient Fine-Tuning on YOLO Family（YOLO-PEFT：YOLO家族的参数高效微调）
YOLO-PEFT：YOLO家族的参数高效微调
60
61
SimWAM: A Simple World Action Model for End-to-End Autonomous Driving（SimWAM：一种简单的世界动作模型用于端到端自动驾驶）
SimWAM：一种简单的世界动作模型用于端到端自动驾驶
62
63
64
Characterizing the Quality Profile of AI-Generated C++ in Production（生产中AI生成的C++代码的质量特征 characterization）
生产中AI生成的C++代码的质量特征 characterization
65
Skaling: Chinchilla's Exponents Meet Kaplan's Coupling（缩放：Chinchilla的指数与Kaplan的耦合相遇）
缩放：Chinchilla的指数与Kaplan的耦合相遇
66
StreamArena: Toward Continuous, Interactive, and Long-Horizon Agentic Streaming Video Understanding（StreamArena：迈向连续、交互式和长时 horizon 的自主流媒体视频理解）
StreamArena：迈向连续、交互式和长时 horizon 的自主流媒体视频理解
67
Modular TTT: Rethinking Test-Time Training as Composable Modules（模块化TTT：重新思考测试时训练的可组合模块）
模块化TTT：重新思考测试时训练的可组合模块
68