中国人民大学高瓴人工智能学院（RUC AI Box，@huggingface）联合团队在 Hugging Face 与 ArXiv 正式公开了《Agent-Editing World Model: Rethinking World Modeling for LLM Agents》（arXiv: 2609.28416，GitHub: RUCAIBox/Agent-Editing-World-Model）。针对传统语言世界模型盲目试图在脑海中高保真预测复杂环境观测（如重构不可预测的 Shell/网页返回值）的高昂成本与严重幻觉，AEWM 颠覆性地将世界模型重新定义为“对推理与动作如何塑造未来任务进度的因果建模”。结合动作裁判（Action Judge）与状态修正（State Revision），首创 EditAct 机制，在长程搜索、终端编码与复杂工程六大基准上实现平均 3.2 至 6.7 分的大幅跨越。

research

上海 AI Lab 开源 AV-GRPO：首创模态锚定解耦扩散强化学习，攻克音视频联合生成对齐与同步难题

上海人工智能实验室（Shanghai AI Laboratory，@huggingface）联合高校正式开源了面向音视频联合生成的多模态强化学习框架 AV-GRPO（arXiv: 2609.29816，GitHub: zhiyuxu03/AV-GRPO）。针对当前主流多模态生成模型在声画同步、跨模态因果对齐上的严重脱节，以及音视频双塔模型直接联合训练时算力开销激增、奖励信用分配模糊等瓶颈，AV-GRPO 首创了“模态锚定采样（Modality-Anchored Rollouts）”与“轨迹锁定冻结塔优化机制”，将复杂的跨模态偏好对齐转化为单模态解耦子问题，并在多项权威音视频生成基准上全面击败 LTX-2.3 达到业界 SOTA。

tooling

亚马逊开源 Rufus-Air 后训练配方：基于 GLM-4.5-Air 打造八阶段强化学习流水线，性能超越官方发布版

亚马逊人工智能研发团队（Amazon AI，@awscloud）在 Hugging Face 与 ArXiv 正式公开了《Rufus-Air: An Open LLM Post-Training Recipe》（arXiv: 2609.29421）。面对前沿工业级大模型后训练流水线高度封闭、依赖未公开的内部教师模型蒸馏与昂贵人工标注的困局，亚马逊团队全面公开了基于智谱 GLM-4.5-Air-Base（106B 总参数、12B 激活的 MoE 架构）的八阶段全串行后训练完整配方（涵盖 SFT、数学推理 RL、编码 RL、指令对齐 RL、通用智能体、编程智能体、检索智能体与 RLHF）。所有训练流程均采用完全公开的开源组件与公开数据集，综合评测成绩全面超越智谱官方发行的 GLM-4.5-Air 权重。

讨论与评论

登录后即可参与深度讨论

与广大 AI 开发者、工程师交流评测心得与前沿洞察

暂无评论，快来发表你的第一条真知灼见吧！