2026.11.02 AI论文与科研资讯日报

训练策略变强，推理策略就一定变强吗？

某联合研究团队针对大模型强化学习中训练与推理引擎不一致，导致训练阶段的收益无法在推理端有效发挥的问题，提出了单调推理策略改进原则MIPI，并设计了对应的实现框架MIPU，通过候选更新与推理端验收两步落实该原则，相关成果入选NeurIPS 2026会议。

TokenRouter：面向词元级大模型路由的高效服务系统

由清华大学与卡内基梅隆大学的研究者提出的TokenRouter系统，将词元级路由策略与底层服务运行时分离，通过请求中心编程接口、模型自治异步执行和延迟批处理调度等技术，解决了细粒度模型协作中的同步等待、批次碎片化与缓存管理开销问题。实验显示，该系统在多种路由算法和负载下，能显著提升解码吞吐效率，降低端到端延迟，不过其收益会受模型组合、并发水平与基线实现的影响。

ECV2026 极智智能体开发者大赛正式启动

该大赛由相关机构发起，依托智能体开发平台举办，设置产业应用与岗位应用两大赛题方向，采用创意征集、平台开发、线上答辩三阶段赛制，设有万元奖金池，面向全球AI开发者征集智能体作品，报名时间为2026年11月1日至11月25日。

Jepsen测试ParticleDB发现96项问题：AI智能体的记忆，先得存得住

某测试机构对一款名为ParticleDB的系统进行可靠性测试，累计发现96项问题，多数问题出现在健康单机环境下，包括唯一字段重复、主键冲突、查询结果不符条件以及已提交数据随后丢失等。测试通过对比主流数据库定位差异并缩短复现用例，末次实测版本仍有十项未解决，厂商称后续版本已全部修复。相关报告提醒，AI辅助开发需加强正确性验收，智能体依赖的数据状态必须可靠。

DriveUniTok：统一多模态Tokenizer的驾驶世界—动作模型

清华大学与小米汽车联合提出的DriveUniTok框架，将RGB图像、投影激光深度与自车位姿联合编码为同一组连续潜变量，再由DriveUniWAM从同一潜在演化中联合预测未来场景与自车轨迹。实验显示，在等预算对照下，该统一设计将PDMS指标从87.5提升至91.0，每步DiT计算量减少约52%；强化学习后总分达91.54，但部分安全子项指标下降，且实验限于特定评测场景，不代表实车可靠性。

万集激光推出双目3D相机豚睛Max WLR-751

某激光企业发布了面向具身智能及工业自动化的双目3D相机，具备108°×80°大视场、0.2—6米工作距离、1280×800分辨率30fps输出，内置板端AI支持80类目标检测与实例分割，可定制60fps，支持多机同步、RGB-D对齐与六轴IMU，还提供C/C++、Python API及ROS2驱动，机身约120克、功耗约3W、IP65防护。

当视觉遇见图：图推理与学习综述

某研究团队发表综述文章，梳理视觉与图交叉领域的研究，提出统一图推理学习范式并建立新分类体系，将相关研究划分为图推理、图学习、科学图推理、科学图学习四类任务范式，对比各类技术路线优缺点，归纳领域共性难题并提炼未来研究方向。

Heterogeneous and Adept Snapshot Distillation for 3D Semantic Segmentation

某研究团队提出HAS-KD知识蒸馏框架用于3D语义分割，其中IHD组件通过信息导向过滤为每个物体挑选语义丰度最大的视角，构建更强的多模态教师，再将融合特征蒸馏给单模态点云学生；ASD组件将训练中各分类最优检查点作为专家教师，按类掩码让每个专家只监督其擅长类别。两项技术仅作用于训练阶段，学生网络结构不变。

CV51每日论文速递：12篇计算机视觉开源论文汇总

某平台汇总了计算机视觉领域当日165篇新论文中的精选成果，涵盖全景多目标跟踪、零样本运动分割、神经隐式场景世界模型、航拍单目深度估计、LVLM幻觉抑制、空间推理适配器、交错图文生成模型、移动端3DGS方法等多个方向的研究。

恶劣天气下的多模态图像融合：基于掩膜引导的特征恢复与交互

针对雨雪雾霾等恶劣天气下红外与可见光图像融合退化问题，某研究团队提出AMG-Fuse掩码引导多模态融合框架，该方法构建模态贡献掩码解耦可见光与红外特征，结合直方图Transformer与掩码引导跨模态交叉注意力实现特征恢复与交互，避免两阶段误差累积和伪真值过拟合，在雪、雨、雾场景下融合质量与量化指标领先，并提升下游目标检测精度。

具身智能视角下无人机视觉语言导航研究进展

某研究团队系统综述无人机视觉语言导航的研究进展，从具身智能视角梳理其技术体系，对比了三类仿真平台，从感知复杂度、指令语义与动作表征三维度解析主流数据集，拆解核心技术模块，补充多机协同研究现状。

双360°全域感知＋157TOPS边缘算力：让机器人看得全、算得快

某团队研发的智能越野车机器人平台，集成全向视觉感知系统，搭载高性能AI算力平台，支持目标检测、跟踪、语义分割、激光视觉融合SLAM等，面向高校科研与巡检等场景，提供开放数据与开发接口，形成完整链路。

3528张顶会论文插图，支持中文搜索与筛选的配图参考工具

某工具收录六个顶会2023-2026年的3528张论文插图，以计算机和AI领域为主，也涵盖多学科交叉研究，支持中英文描述搜索，可按会议、年份、录用等级、排版样式和研究任务筛选，详情页提供中文内容概述，并支持原图下载及格式导出，适合绘图前寻找布局与配色参考。

ACL 2026 大语言模型基础与训练方向论文汇总（第1卷·50篇）

某平台汇总了顶会大语言模型基础与训练方向的50篇论文，覆盖多个子主题，给出论文数量、平均推荐指数等速览信息，并列出优先精读论文，随后逐篇解读各论文的问题、方法、核心贡献与实验结果。

Any3R：任意相机类型的前馈三维重建

某研究团队提出一种前馈三维重建模型，可处理任意中心相机组合，改造了几何基础模型的位置编码和训练损失，在多个数据集上的重建与位姿精度领先，广角和全景优势明显，且无需去畸变或按镜头重训。

阿里巴巴UGR：面向异构电商推荐的统一生成式排序框架

某企业提出统一生成式排序框架，直接从请求级多业务候选集中生成排序列表，避免先单业务生成再混排导致的位置与上下文偏差，结合多项技术优化，在多个场景实验中，相关指标优于基线，线上测试有提升。