[论文·2026-05-25]

论文雷达日报｜2026-05-25

一句话结论：今日候选单源降级（100% HF Daily），论文层双热点是「多模态/视觉推理」与「agent skill 自演化」——SkillOpt 主张把 agent 技能当优化器训练（147 赞当日最高），与分类命中里「模型生成技能复用」研究同日呼应。

摘要

• 今日 32 条候选实为单源降级：30 条来自 HuggingFace Daily trending、2 条 hf+s2，arXiv 分类与 Semantic Scholar 富集（s2_tldr / similar_papers）几乎全空，全部 0 命中 14 天 seen-pool。论文层主线是「multimodal reasoning + agent skill 自演化」双热点：Top 8 中 5 篇围绕多模态/视觉推理（SciAtlas 知识图谱、VGenST-Bench 时空推理基准、ETCHR think-with-images、From-Seeing-to-Thinking 感知-推理解耦、LatentUMM 理解-生成对齐），两篇正面交锋「agent skill 该不该当成可训练对象」——SkillOpt（#6，147 赞当日最高）主张把技能当优化器训练实现自演化，与分类命中里的 2605.23899「系统研究模型生成 agent skill 复用」形成同日呼应。效率/理论侧 LLMs-as-Noisy-Channels（2605.23901）用香农信道视角挑战单调幂律 scaling law。注意：本期无任何结论可锚定到 arXiv 分类或 S2 引用图，Top picks 排序完全由 HF trending + watchlist 关键词驱动，可信度相应降级。

📌 Top picks (交叉命中)

按 ranking_score 降序取前 8；本期排序完全由 HF trending + watchlist 关键词驱动（无 arXiv 分类 / S2 交叉）。

• SciAtlas: A Large-Scale Knowledge Graph for Automated Scientific Research（44↑ / HF#2 / score 8.8） → 大规模科研知识图谱，助 agent 跨学科自动检索
  • 入选理由：HF 当日热度第 2（44 赞）；watchlist 命中 reasoning/agent/inference，ranking_score 8.8 居首
  • 证据：https://arxiv.org/abs/2605.22878 · https://huggingface.co/papers/2605.22878
• PhotoFlow: Agentic 3D Virtual Photography Missions（20↑ / HF#5 / score 7.0） → agentic 3D 虚拟摄影：自主推断机位与相机参数
  • 入选理由：HF trending #5（20 赞）；命中 reasoning/agent + benchmark
  • 证据：https://arxiv.org/abs/2605.23771 · https://huggingface.co/papers/2605.23771
• VGenST-Bench: A Benchmark for Spatio-Temporal Reasoning via Active Video Synthesis（18↑ / HF#12 / score 6.8） → 用主动视频合成构建时空推理评测基准
  • 入选理由：HF trending #12（18 赞）；命中 reasoning/agent + benchmark/evaluation
  • 证据：https://arxiv.org/abs/2605.22570 · https://huggingface.co/papers/2605.22570
• StepAudio 2.5 Technical Report（35↑ / HF#13 / score 6.2） → 统一音频-语言大模型，强化语音与推理能力
  • 入选理由：HF trending #13（35 赞）；命中 reasoning/rlhf，101 作者大团队技术报告
  • 证据：https://arxiv.org/abs/2605.23463 · https://huggingface.co/papers/2605.23463
• ETCHR: Editing To Clarify and Harness Reasoning（9↑ / HF#17 / score 5.8） → 编辑图像澄清线索，提升多模态视觉推理
  • 入选理由：HF trending #17（9 赞）；命中 reasoning/moe + fine-tuning
  • 证据：https://arxiv.org/abs/2605.23897 · https://huggingface.co/papers/2605.23897
• SkillOpt: Executive Strategy for Self-Evolving Agent Skills（147↑ / HF#21 / score 5.4） → 把 agent 技能当优化器训练，实现自演化
  • 入选理由：HF trending #21，147 赞为当日最高；命中 agent/inference
  • 证据：https://arxiv.org/abs/2605.23904 · https://huggingface.co/papers/2605.23904
• From Seeing to Thinking: Decoupling Perception and Reasoning Improves Post-Training of Vision-Language Models（4↑ / HF#3 / score 5.2） → 解耦感知与推理，改进 VLM 后训练
  • 入选理由：HF trending #3（4 赞）；命中 reasoning + sft
  • 证据：https://arxiv.org/abs/2605.20177 · https://huggingface.co/papers/2605.20177
• LatentUMM: Dual Latent Alignment for Unified Multimodal Models（4↑ / HF#1 / score 4.9） → 双隐空间对齐，修复统一多模态理解生成不一致
  • 入选理由：HF 当日榜首 #1（4 赞）；命中 preference optimization
  • 证据：https://arxiv.org/abs/2605.17766 · https://huggingface.co/papers/2605.17766

🏷 Watchlist 分类命中

arXiv 分类本期未返回（arxiv_categories_unavailable），改用 watchlist 关键词分组；仅收录关键词命中但未进 Top picks 的新抓论文。

keyword:reasoning（关键词分组）

• The Expense of Seeing: Attaining Trustworthy Multimodal Reasoning Within the Monolithic Paradigm（2↑ / HF#6） → 剖析单体范式下多模态推理的可信度代价

keyword:inference（关键词分组）

• See What I Mean: Aligning Vision and Language Representations for Video Fine-grained Object Understanding（28↑ / HF#7） → 对齐视觉-语言表示实现细粒度物体理解
• Lens: Rethinking Training Efficiency for Foundational Text-to-Image Models（87↑ / HF#16） → 3.8B 文生图模型，大幅提升训练效率
• PiD: Fast and High-Resolution Latent Decoding with Pixel Diffusion（17↑ / HF#22） → 像素扩散实现快速高分辨率隐空间解码

keyword:agent（关键词分组）

• HINT-SD: Targeted Hindsight Self-Distillation for Long-Horizon Agents（3↑ / HF#14） → 面向长程 agent 的定向后见自蒸馏训练
• From Raw Experience to Skill Consumption: A Systematic Study of Model-Generated Agent Skills（21↑ / HF#20） → 系统研究模型生成的 agent 技能复用

keyword:world model（关键词分组）

• SCOPE: Simulating Cross-game Operations in Playable Environments for FPS World Models（8↑ / HF#11） → FPS 游戏可玩环境的跨游戏世界模型

keyword:quantization（关键词分组）

• LLMs as Noisy Channels: A Shannon Perspective on Model Capacity and Scaling Laws（7↑ / HF#19） → 用香农信道视角重写 LLM 容量与缩放律

keyword:vla（关键词分组）

• Rethinking Muon Beyond Pretraining: Spectral Failures and High-Pass Remedies for VLA and RLVR（4↑ / HF#15） → 诊断 Muon 优化器在 VLA/RLVR 的谱失效

🔗 延伸阅读 (Semantic Scholar 相似论文)

本段今日无高置信度增量信号（S2 相似论文未返回，s2_similar_unavailable）。

🧑‍🔬 新出现的作者 / 团队

本日发现扫描未发现达标候选人：全 32 条候选无 tracked_author 命中，且 affiliations 字段缺失（affiliations_unavailable），无法做机构交叉验证，故不硬塞候选。

📉 覆盖缺口与不确定性

• s2_unavailable：Semantic Scholar 未返回 tldr/venue/affiliation，tldr_en 全空。
• s2_similar_unavailable：S2 相似论文图未返回，延伸阅读为空。
• arxiv_categories_unavailable：arXiv listing 未返回分类，分类命中改用关键词分组。
• affiliations_unavailable：候选无机构字段，新作者发现无法机构交叉验证。
• confidence_flags：single_source_fallback:hf_daily_only、arxiv_listing_returned_no_categories、s2_enrichment_missing:tldr_and_similar

来源与交叉验证说明

• 单源降级：候选 100% 来自 HF Daily trending（30 hf + 2 hf+s2），arXiv listing 未返回分类、Semantic Scholar 未返回 tldr/similar/venue/affiliation。权重上无 primary(arXiv) 与 metadata(S2) 交叉，仅 curated(HF) 单源支撑。
• 每篇结论的硬证据指向 arxiv_url（primary 预印本原文）；HF upvotes/trending 仅作热度信号、不作论文结果证据。因 S2 未索引，citation_count/venue 缺失不作降权理由（新预印本常见）。本期无第二独立源交叉验证，属单源降级期。