1
Repo-To-Skill
是什么 把 GitHub 上的机器学习仓库蒸馏成可复用 skill，补齐智能体缺的「操作知识」（知道方法不等于会落地）。
怎么做 提出 DisCo：任务无关蒸馏把常用仓压成 skill，任务导向蒸馏按需补技能；产出 AREX-Skill 库（千余仓 → 5000+ 已验证 skill），研究时调用而非每次重发现。
HF 521
明星论文
主排序是 HF Daily Papers 赞（8 月 31–9 月 4 日窗口内最大值）。只列 31 日及之后投稿。每条给出「是什么 / 怎么做」，摘要来自 arXiv，不编造方法。
2
StudentSim
是什么 用稀疏学生数据训出个性化学生模拟器，给 AI 导师提供「哪种指导对谁管用」的代理信号（真学生信号贵且慢）。
怎么做 先池化训练再按学生特化；模拟器既复现学生作答，也能在导师指导下更新。附 StudentSimEval：棋 / 二语写作 / 数学，共 60 名学生。
HF 482
3
Qwen-Drive-1.0
是什么 面向自动驾驶的视觉语言基础模型初版：在统一框架里做 3D 感知、场景问答与运动规划。
怎么做 保留预训练 VLM 主干；外挂 BEV 感知头做检测 / 占用 / 地图分割；Planning Expert 基于共享表征生成自车轨迹；驾驶监督与通用 VL 数据分阶段混训。
HF 373
4
Compile by Training
是什么 把自然语言规格「编译」成可复用的局部神经函数，避免每个输入都调远程大模型（成本、延迟、依赖）。
怎么做 编译期用教师模型造任务样本，训小 adapter 接到紧凑解释器；上线后不依赖教师，可存储、版本化与组合。FuzzyBench-Hard 语义准确率约 83.6%。
HF 317
5
Terminal-Universe
是什么 把智能体轨迹还原成可再查询、带执行反馈的终端环境——后训练真正缺的是环境，不是更多冻结演示。
怎么做 回放轨迹中的文件操作重建改前工作区，再用补全智能体补齐缺失文件与依赖；在恢复环境上既复原原任务也合成新任务与交互。
HF 272
6
HarnessDev
是什么 评测 LLM 能否创建并进化自己的 agent harness（模型外的执行基础设施）；评测单元从任务输出换成可运行系统。
怎么做 Creation：从最小种子与少量样例搭出完整执行系统；Evolution：用下游执行反馈迭代改 harness。按能力（held-out 成功）与效率（执行 token）打分。
HF 243
7
LLaDA-Image
是什么 开源图像生成配方：6B DiT 从零训练，配冻结的 LLaDA2.0-Mini 理解模块，追求强生成且公开训练细节。
怎么做 先做图像-only 预训练建视觉先验，再接文图对齐；DiT 用 RMSNorm + Muon；并蒸馏成 2–4 步 Turbo。开源权重、代码与配方。
HF 228
8
Aspire
是什么 基准：模型能否从含糊目标（如「变得更会做研究」）自己决定学什么、怎么学并自进化——而不是优化人类给定的显式指标。
怎么做 只给自然语言能力目标，下游评测隐藏；智能体自选数据与更新方式、自建训验信号、自定何时评测。支持权重级与 harness 级进化；隐测 520 题、六目标。
HF 214
9
Random Attention
是什么 重新审视长推理 KV cache 驱逐：不算重要性分、每头内随机丢弃，也能媲美最强打分驱逐器，吞吐更高。
怎么做 保留 prompt，在每个注意力头内均匀随机驱逐；推理轨迹有文本复述与多头冗余，prompt 才是脆弱部分——保护 prompt 后随机抽样已够用。
HF 164
10
On-Policy Distillation → OPSA
是什么 追问 on-policy 蒸馏是否真在「蒸馏」：教师给学生产生轨迹打分时噪声很大，增益来源存疑。
怎么做 分析发现学习集中在低 log-prob token，固定负优势即可匹配教师信号——提出无教师监督的 OPSA（熵自适应负优势压制低置信 token）。
HF 142
机构显眼补位：Qwen3.8-Next HF 53；ByteDance Seed Lucida HF 111、SMELT HF 97。alphaXiv Hot：One-Shot OPD public 83；Harness-of-Harness public 81。窗前但仍热：Knowing When Not to Reuse 150；LoopArena 101；starVLA 续训文 92。