创作者写的节目说明

【赞助商】
OpenClaw快报
每天五分钟，听听 OpenClaw 快报，带你了解最新动态和业内讨论
传送门 https://www.xiaoyuzhoufm.com/podcast/6a1732a2dffa135d0ab5ef43

【目录】
本期的 15 篇论文如下：

[] 🎮 AgentGarten: Code Worlds for Evolving Agents（AgentGarten：面向进化智能体的代码世界）
[] 🎮 Learn2Play Bench: How Well Do LLM Agents Learn from Experience in Unfamiliar Environments?（Learn2Play Bench：LLM 智能体在陌生环境中从经验中学习的效果如何？）
[] 🚦 TokenRouter: Efficient Serving System for Token-Level LLM Routing（TokenRouter：面向 Token 级 LLM 路由的高效服务系统）
[] 🌍 From Traces to Agentic Worlds: Agentic Language World Models for Interactive Environment Simulation（从轨迹到智能体世界：用于交互式环境模拟的智能体语言世界模型）
[] 🤖 SuperNav: An Agentic Navigation System for Any Task in Any Scene（SuperNav：面向任意场景中任意任务的智能体导航系统）
[] 🚀 MiMo-V2.6: Scaling Reinforcement Learning Towards Self-Improvement（MiMo-V2.6：将强化学习扩展至自我改进）
[] 🤖 In-context Robot Learning Made Simple: A Democratized Recipe for Manipulation Tasks（让机器人上下文学习变简单：面向操作任务的普惠方案）
[] 🤖 Multi-Agent Egocentric World Model with Fine-Grained Embodied Interaction（面向细粒度具身交互的多智能体自我中心世界模型）
[] 🤖 DreamTrue: Action-Faithful Robot World Model with Counterfactual Post-Training（DreamTrue：基于反事实后训练的动作忠实机器人世界模型）
[] 🌀 OuroWorld: Bringing Any 3D World Alive as Diverse, Endlessly Looping 3D Cinemagraphs（OuroWorld：将任意3D世界变为多样且无限循环的3D动态影像）
[] ⚡ MC-Sparse: Deconstructing and Closing the Dense-Sparse Attention Gap in Diffusion Transformers（MC-Sparse：解构并弥合扩散 Transformer 中的稠密-稀疏注意力差距）
[] 🔗 Beyond Spatio-Temporal Priors: A Generalizable Approach for Dense Correspondence Matching（超越时空先验：面向稠密对应匹配的可泛化方法）
[] 🧪 TestPrism: Rethinking Test Evaluation Beyond a Single Reference（TestPrism：重新思考超越单一参考的测试评估）
[] 🎨 Post-Training Frontier Text-to-Image Models by Composing Preference and Rubric Rewards（通过组合偏好奖励与评分规则奖励对前沿文本到图像模型进行后训练）
[] ✂ SparseDecoding: Decoding-Aware Pruning for Accurate and Efficient LLM Inference（SparseDecoding：面向准确高效大语言模型推理的解码感知剪枝）

【关注我们】
您还可以在以下平台找到我们，获得播客内容以外更多信息
小红书: AI速递

在小宇宙查看该单集文稿

说明里标出的时间点，点一下跳过去

AI 看点

本期看点

AI 从整集转写里归纳的，不是节目方的宣传语

最值得听的

TestPrism 指出单参考评估 LLM 生成的测试接受率达 59.67%，而联合成功函数最佳配置仅 28%，评估尺子本身需要重校。

别处听不到的

AgentGarten 让智能体只看第一人称画面、用短 Python 程序行动并写 playbook 传承经验，捉迷藏中四轮学会搭掩体。

AI 推荐理由

为什么值得听

AI 读完整集转写后给出的推荐理由

十二分钟过完 2026 年 10 月 9 日的十五篇 AI 论文。AgentGarten 让智能体在捉迷藏里只练四轮就学会搭掩体、架坡道，而传统强化学习要数百万回合；Learn2Play Bench 发现模型常常只是记住答案而非掌握规则；TestPrism 更直接：单参考评估的接受率有 59.67%，换成联合成功函数只剩 28%。想快速摸清智能体、世界模型和推理效率三条线的最新进展，这期够用。

AI 概要

本期概要

由 AI 从整集转写生成，是创作者说明之外的补充

本期速递覆盖 2026 年 10 月 9 日十五篇 AI 论文，主题集中在智能体、世界模型与高效推理。AgentGarten 用可编程代码世界加实时神经渲染器训练进化智能体，四轮学会搭掩体；Learn2Play Bench 发现 LLM 智能体的经验学习真实但有限，模型常是记住答案而非掌握规则；TokenRouter 让 token 级路由解码吞吐提升 2.01 至 64.15 倍。世界模型方向包括从交互轨迹重建环境模拟器、多智能体第一人称视频流一致性、DreamTrue 动作忠实世界模型。机器人方向有 SuperNav 导航成功率 78%、机器人 ICL 低成本复现框架。效率方向覆盖 MC-Sparse 免训练稀疏注意力、SparseDecoding 解码感知剪枝。评估方向 TestPrism 指出单参考评估高估测试质量，最佳配置 JSF 仅 28%。

AI 识别的章节

章节

点一章从那里开始播 · 与上面创作者标的时间点各自独立