企业官网建设流程全解析

• 文档
• 教程
• 人工智能
• 大模型

本文是 awesome-generative-ai-guide 仓库「Understand AI」旅程「301 前沿 feed」的一部分，为你系统梳理2025 年 10 月的 30 篇最具代表性的生成式 AI 研究论文。本清单覆盖混合线性注意力架构、推理强化学习、原生多模态世界模型、智能体深度研究、长上下文与记忆系统等多个前沿方向。读完本文，你将掌握 10 月论文的整体格局，理解每篇论文解决的核心问题、关键方法与报告结论，并能借助本仓库的月度论文 feed 与主题研究表持续跟进这一快速演进的领域。

月度论文清单在仓库中的定位

本清单属于仓库 Understand 301：前沿 feed 的组成部分。该旅程将研究跟进分为三个层次：101 阶段的 Transformer 基础与论文阅读方法、201 阶段的活跃研究方向（对应 RAG 研究表、AI 评测研究表、智能体搜索与检索研究表 等常青研究表），以及 301 阶段的「月度最佳论文」feed——按月份滚动更新当月最值得关注的应用型 AI 论文，2025 全年清单见 research_updates/2025_papers，2024 年清单作为存档保留在 research_updates/2024_papers。

对于刚入门的研究读者，仓库还提供了 最佳综述论文清单，覆盖基础模型、提示工程、RAG、幻觉、参数高效微调、LLM 智能体、多模态、评测与对抗攻击等主题，可作为阅读月度论文前的背景补充。

2025 年 10 月论文全景

本月 30 篇论文在时间上覆盖 10 月 1 日至 10 月 30 日，密度相当高。从主题分布看，可以归纳为五条主线：

1. 架构效率与长上下文：混合注意力架构（Kimi Linear、Ring-linear 系列）、核心注意力分离（CAD/DistCA）、光学上下文压缩（DeepSeek-OCR）、KV Cache 语义通信（Cache-to-Cache）；
2. 推理与强化学习：循环潜在推理（Ouro）、极小网络递归推理（TRM）、面向智能体的熵平衡策略优化（AEPO）、量化增强 RL（QeRL）、智能体训练环境（GEM）；
3. 多模态与世界模型：原生多模态世界模型（Emu3.5）、全模态理解（OmniVinci）、文档解析 VLM（PaddleOCR-VL）、VLA 空间对齐（Spatial Forcing）；
4. 智能体与深度研究：端到端深度研究智能体（Tongyi DeepResearch）、搜索智能体评测（InteractComp）、规划与行动统一（ReCode）、自主数据科学（DeepAnalyze）、在流智能体系统优化（AgentFlow）；
5. 记忆、上下文与幻觉检测：轻量记忆增强生成（LightMem）、智能体上下文工程（ACE）、多语言片段级幻觉检测（PsiloQA）。

下面按主题逐篇解读，每篇保留论文日期、标题、arXiv 编号与核心内容。

主题一：架构效率与长上下文

Kimi Linear：首个在公平比较下超越全注意力的混合线性注意力架构

2025-10-30 · arXiv:2510.26692

Kimi Linear 提出了一种混合线性注意力架构，宣称在短上下文、长上下文以及强化学习（RL）扩展等场景的公平对比下，首次超越全注意力方案。其核心是Kimi Delta Attention（KDA）——一个表达能力更强的线性注意力模块，在 Gated DeltaNet 基础上引入更细粒度的门控机制，从而更有效地利用有限的有限状态 RNN 记忆。作者设计了一种定制的分块（chunkwise）算法，基于Diagonal-Plus-Low-Rank（DPLR）转移矩阵的特化变体实现高硬件效率，相比通用 DPLR 大幅降低计算量，同时与经典 delta rule 保持一致性。

该模型以 3B 激活参数 / 48B 总参数进行预训练，采用 KDA 与Multi-Head Latent Attention（MLA）的逐层混合。论文报告：在相同训练配方下，Kimi Linear 在所有评测任务上明显超越纯 MLA 模型，同时将 KV Cache 用量减少最高 75%，并在 1M 上下文下实现最高 6 倍的解码吞吐。作者开源了 KDA 内核与 vLLM 实现，并发布了预训练与指令微调权重。

Ring-linear 系列：长上下文推理的混合注意力效率路线

2025-10-22 · arXiv:2510.19338

该技术报告介绍了 Ring-linear 模型系列，包含 Ring-mini-linear-2.0（16B 参数、957M 激活）与 Ring-flash-linear-2.0（104B 参数、6.1B 激活）。两个模型均采用混合架构，将线性注意力与 softmax 注意力有效结合，显著降低长上下文推理场景中的 I/O 与计算开销。论文报告：相比 32B 参数的稠密模型，该系列的推理成本降至 1/10；相比原 Ring 系列成本再降 50% 以上。通过系统探索混合架构中不同注意力机制的比例，作者确定了当前最优的模型结构；并借助自研高性能 FP8 算子库linghe将整体训练效率提升 50%。由于训练与推理引擎算子高度对齐，模型在强化学习阶段可以长期、稳定、高效优化，在多个复杂推理基准上保持 SOTA。

核心注意力分离（CAD）：长上下文训练的系统级解法

2025-10-20 · arXiv:2510.18121

论文提出core attention disaggregation（CAD）技术：把核心注意力计算 softmax(QKᵀ)V 从模型其余部分解耦，放到独立设备池上执行。之所以可行，基于两个观察：(1) 核心注意力是无状态的——没有可训练参数、只有极少的临时数据，负载均衡退化为纯计算型任务调度；(2) 它是可组合的——现代注意力内核在处理任意长度的 token 级分片融合批次时仍能保持高效率。CAD 将核心注意力切分为 token 级任务并分发到专用注意力服务器，动态重新分批以均衡计算量。系统实现名为DistCA，采用 ping-pong 执行方案完全重叠通信与计算，并在注意力服务器上原地执行以降低内存。论文报告：在 512 张 H200 GPU、上下文最长 512k token 的条件下，端到端训练吞吐最高提升 1.35 倍，消除了数据与流水线并行的掉队者（stragglers），并实现接近完美的计算与内存均衡。

DeepSeek-OCR：用光学 2D 映射压缩长上下文

2025-10-21 · arXiv:2510.18234

DeepSeek-OCR 是对「通过光学 2D 映射压缩长上下文」这一思路的初步探索。它由 DeepEncoder 与 DeepSeek3B-MoE-A570M 解码器两部分组成：DeepEncoder 作为核心引擎，在高分辨率输入下保持低激活数，同时实现高压缩比以获得可控数量的视觉 token。论文报告：当文本 token 数不超过视觉 token 数的 10 倍（即压缩比 <10x）时，解码（OCR）精度可达 97%；即便在 20x 压缩比下，OCR 精度仍维持在约 60%。在 OmniDocBench 上，DeepSeek-OCR 仅用 100 个视觉 token 就超越 GOT-OCR2.0（每页 256 token），并以少于 800 个视觉 token 超越 MinerU2.0（每页平均 6000+ token）。在工程层面，单张 A100-40G 每天可产出 20 万页以上的训练数据。该工作对历史长上下文压缩、LLM 记忆遗忘机制等研究方向具有参考价值。

QeRL：量化增强的 LLM 强化学习

2025-10-13 · arXiv:2510.11696

QeRL 面向 RL 训练资源密集的问题（高 GPU 内存、长 rollout 时长），将NVFP4 量化与LoRA结合，加速 rollout 阶段并降低内存开销。论文发现量化噪声会提高策略熵、增强探索，有助于 RL 中发现更优策略；为此引入Adaptive Quantization Noise（AQN）机制在训练中动态调节噪声。论文报告：rollout 阶段提速超过 1.5 倍，首次实现在单张 H100 80GB 上训练 32B LLM 的 RL；在 7B 规模下，数学基准 GSM8K（90.8%）与 MATH 500（77.4%）上匹配全参数微调效果，且奖励增长更快、最终精度高于 16-bit LoRA 与 QLoRA。

Cache-to-Cache：超越文本的 LLM 间语义通信

2025-10-03 · arXiv:2510.03215

多 LLM 系统通常通过文本通信，这既丢失丰富语义信息，又产生逐 token 生成延迟。Cache-to-Cache（C2C）提出让 LLM 之间直接以KV Cache 为介质通信：用神经网络将源模型的 KV Cache 投影并融合进目标模型的 KV Cache，实现语义直传；可学习的门控机制选择受益于缓存通信的目标层。论文报告：相比单个模型平均准确率提升 8.5%–10.5%，相比文本通信范式提升约 3.0%–5.0%，同时平均延迟加速 2.0 倍。

主题二：推理与强化学习

Ouro：把推理构建进预训练阶段的循环语言模型

2025-10-29 · arXiv:2510.25741

现代 LLM 主要通过显式文本生成（如 chain-of-thought）来「思考」，把推理留到后训练阶段。Ouro（Ouroboros）是开源的Looped Language Models（LoopLM）家族，通过 (i) 潜在空间的迭代计算、(ii) 熵正则化的学习深度分配目标、(iii) 扩展到 7.7T token，把推理内建到预训练阶段。论文报告：Ouro 1.4B 与 2.6B 在多个基准上匹配高达 12B 的 SOTA LLM；受控实验表明优势来自更强的知识操控能力而非更大的知识容量；LoopLM 产出的推理痕迹与最终输出的一致性优于显式 CoT。

Tiny Recursive Model：7M 参数递归推理挑战大模型

2025-10-06 · arXiv:2510.04871

在 Hierarchical Reasoning Model（HRM）启发下，Tiny Recursive Model（TRM）用单一 2 层小网络做递归推理，仅 7M 参数就在 ARC-AGI-1 上取得 45%、ARC-AGI-2 上取得 8% 的测试准确率，论文称高于多数 LLM（如 DeepSeek R1、o3-mini、Gemini 2.5 Pro），而参数量不足其 0.01%。该工作探讨「小网络 + 递归计算」求解难题的潜力。

AEPO：智能体熵平衡策略优化

2025-10-16 · arXiv:2510.14545

主流智能体 RL 算法在熵信号引导下自主探索高不确定性工具调用步骤，但过度依赖熵信号会带来额外约束，导致训练崩溃。Agentic Entropy-Balanced Policy Optimization（AEPO）在 rollout 与策略更新两个阶段平衡熵：动态熵平衡 rollout 机制通过熵预监控自适应分配全局与分支采样预算，并对连续高熵工具调用步骤施加分支惩罚；熵平衡策略优化在高熵裁剪项中插入 stop-gradient 以保留并正确缩放高熵 token 的梯度，并结合熵感知的优势估计。论文报告：在 14 个挑战性数据集上持续优于 7 种主流 RL 算法；仅用 1K RL 样本，Qwen3-14B 即达到 GAIA 47.6%（Pass@1）、Humanity's Last Exam 11.2%、WebWalker 43.0%（Pass@1）。

MM-HELIX 与 AHPO：多模态长链反思推理

2025-10-09 · arXiv:2510.08540

现有 MLLM 在数学、逻辑推理上表现不错，但长链反思推理（迭代思考与回溯）能力不足。作者构建MM-HELIX基准（1,260 个样本、42 个挑战性合成任务），并生成 100k 反思推理轨迹的MM-HELIX-100K数据集用于指令微调。针对标准 RL 在稀疏奖励下失败、SFT 后灾难性遗忘的问题，提出Adaptive Hybrid Policy Optimization（AHPO）——在单一阶段动态统一离线监督与在线优化：奖励稀疏时从专家数据学习，熟练后独立探索。论文报告：在 Qwen2.5-VL-7B 上 MM-HELIX 准确率提升 +18.6%，在通用数学与逻辑任务上平均提升 +5.7%。

AgentFlow：在流智能体系统优化

2025-10-07 · arXiv:2510.05592

主流工具增强方法把「思考 + 工具调用」训练成单一整体策略，长视界、多工具场景下扩展性差。AgentFlow是可训练的「在流（in-the-flow）」智能体框架，协调 planner、executor、verifier、generator 四个模块，通过演化的记忆协调，并在多轮循环内直接优化 planner。训练上提出Flow-GRPO（Flow-based Group Refined Policy Optimization），把多轮优化转换为一系列单轮策略更新：将单一可验证的轨迹级结果广播到每一轮，对齐局部规划决策与全局成功，并用组归一化优势稳定学习。论文报告：7B 规模骨干在搜索、智能体、数学、科学任务上平均准确率分别提升 14.9%、14.0%、14.5%、4.1%，甚至超越 GPT-4o 等更大规模的闭源模型。

GEM：面向智能体 LLM 的环境模拟器

2025-10-01 · arXiv:2510.01051

LLM 训练范式正从静态数据集转向基于经验的学习。GEM（General Experience Maker）是开源环境模拟器，类比传统 RL 的 OpenAI Gym，提供标准化的环境-智能体接口、异步向量化执行（高吞吐）与可扩展的 wrapper。GEM 附带多样环境套件、集成工具，以及用五个流行 RL 训练框架运行 GEM 的示例脚本；还提供 24 个环境上使用 REINFORCE + Return Batch Normalization（ReBN）的基线——论文指出 ReBN 与 GRPO 不同，兼容每轮稠密奖励的完整 RL 设定，credit assignment 更好，并对 PPO、GRPO、REINFORCE 在单轮与多轮设定下做了公平基准对比。

主题三：多模态与世界模型

Emu3.5：原生多模态世界模型

2025-10-30 · arXiv:2510.26583

Emu3.5 是一个大规模多模态世界模型，在视觉与语言上原生预测下一状态。它以统一的 next-token 预测目标，在超过 10 万亿 token 的视觉-语言交错语料（主要来自网络视频的连续帧与转录）上端到端预训练，天然接受交错输入并生成交错输出；后训练阶段使用大规模 RL 增强多模态推理与生成。推理效率方面，Discrete Diffusion Adaptation（DiDA）把逐 token 解码转换为双向并行预测，单图推理加速约 20 倍且不损失性能。论文报告其具备长视界视觉-语言生成、任意图到图（X2I）生成、复杂富文本图像生成等能力，以及可泛化的世界建模能力（时空一致的世界探索与开放世界具身操控）。论文称其在图像生成与编辑任务上与 Gemini 2.5 Flash Image 性能相当，并在交错生成任务上表现更优。

OmniVinci：全模态理解 LLM 的架构与数据设计

2025-10-17 · arXiv:2510.15870

OmniVinci 致力于构建开源全模态 LLM，从架构与数据两个维度展开研究。架构上提出三项创新：(i)OmniAlignNet——在共享的全模态潜在空间中加强视觉与音频嵌入的对齐；(ii)Temporal Embedding Grouping——捕捉视觉与音频信号的相对时间对齐；(iii)Constrained Rotary Time Embedding——在全模态嵌入中编码绝对时间信息。数据方面构建了 24M 单模态与全模态对话的策展与合成流水线，发现模态在感知与推理上相互增强。论文报告：仅用 0.2T 训练 token（Qwen2.5-Omni 的 1/6），在 DailyOmni 上 +19.05、MMAR 上 +1.7、Video-MME 上 +3.9。

PaddleOCR-VL：0.9B 超紧凑多语言文档解析 VLM

2025-10-16 · arXiv:2510.14528

PaddleOCR-VL 面向文档解析，核心组件 PaddleOCR-VL-0.9B 将 NaViT 式动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型结合，支持 109 种语言，擅长识别文本、表格、公式、图表等复杂元素，资源消耗极低。论文报告其在页面级文档解析与元素级识别上达到 SOTA，具备与顶级 VLM 竞争的实力与快速推理速度，适合实际部署。

Spatial Forcing：VLA 模型的隐式空间表示对齐

2025-10-14 · arXiv:2510.12276

视觉-语言-动作（VLA）模型大多基于仅在 2D 数据上预训练的 VLM，缺乏准确的 3D 空间感知。现有方案或引入深度图/点云等显式 3D 输入（受传感器噪声、硬件异构、深度覆盖不全困扰），或依赖深度估计器（性能受限）。Spatial Forcing（SF）是一种简单有效的对齐策略：把 VLA 的中间视觉嵌入与预训练 3D 基础模型产生的几何表示对齐，在中间层隐式强制 VLA 发展空间理解能力，无需显式 3D 输入或深度估计器。论文报告在仿真与真实环境中超越基于 2D 与 3D 的 VLA，训练加速最高 3.8 倍，并提升数据效率。

LCO-Emb：以语言为中心的全模态表示学习

2025-10-13 · arXiv:2510.11693

多模态嵌入研究常用 MLLM 加对比学习（CL）微调，但优势来源未充分解释。该工作论证关键在于生成式预训练中隐式产生的跨模态对齐——语言解码器在共享表示空间中利用多模态信号生成单模态输出。通过各向异性与核相似性结构分析，论文确认 MLLM 表示中涌现潜在对齐，使 CL 成为轻量精炼阶段。据此提出Language-Centric Omnimodal Embedding（LCO-Emb）框架，并识别出Generation-Representation Scaling Law（GRSL）：对比精炼获得的表示能力随 MLLM 生成能力正向扩展，并从理论上把 MLLM 生成质量与表示性能上限建立联系。

JanusCoder：代码智能的视觉-程序接口

2025-10-27 · arXiv:2510.23538

神经代码智能正从纯文本源码扩展到程序产生的视觉输出。该工作从数据与建模两端推进：先引入完整合成工具包，利用数据模态间的互惠协同高效产出大规模高质量语料（从标准图表到复杂交互式 Web UI 与代码驱动动画），据此构建JanusCode-800K（迄今最大多模态代码语料），训练出JanusCoder 与 JanusCoderV，建立从文本指令、视觉输入或两者组合生成代码的视觉-程序接口。论文报告 7B–14B 规模模型在文本与视觉代码任务上接近甚至超过商业模型。

主题四：智能体与深度研究

Tongyi DeepResearch：端到端深度研究智能体

2025-10-28 · arXiv:2510.24701

Tongyi DeepResearch 是为长视界、深度信息搜寻研究任务设计的智能体 LLM，采用端到端训练框架：agentic mid-training + agentic post-training，激励自主深度研究能力。论文强调其高度可扩展的全自动数据合成流水线（无需昂贵人工标注），并为每个阶段构建定制环境以保证稳定一致的交互。模型总参数量 30.5B、每 token 仅激活 3.3B，论文报告在 Humanity's Last Exam、BrowseComp、BrowseComp-ZH、WebWalkerQA、xbench-DeepSearch、FRAMES 等智能体深度研究基准上达到 SOTA，并开源模型、框架与完整方案。

InteractComp：用模糊查询评测搜索智能体

2025-10-28 · arXiv:2510.24668

现实用户通常以不完整、模糊的查询开始搜索，但多数搜索智能体假设查询完整明确，且现有基准无法评估交互澄清能力。InteractComp遵循「易于验证、交互消歧」原则，通过目标-干扰物（target-distractor）方法构造 210 个专家策展问题（覆盖 9 个领域），制造只有通过交互才能消解的真实歧义。评测 17 个模型的结果揭示显著失败：最佳模型在完整上下文下准确率 71.50%，模糊查询下仅 13.73%，暴露的是系统性过度自信而非推理缺陷；强制交互则带来巨大提升。纵向分析显示，15 个月内交互能力停滞，而搜索性能提升 7 倍，形成关键盲区。该基准同时适合训练与评测搜索智能体的交互能力。

ReCode：用递归代码生成统一规划与行动

2025-10-27 · arXiv:2510.23564

现实任务需要在不同决策粒度上运作，而当前 LLM 智能体在高层规划与低层行动之间有刚性分离。ReCode（Recursive Code Generation）提出在单一代码表示中统一规划与行动：把高层计划表示为抽象占位函数，由智能体递归分解为更细粒度的子函数，直至原始动作。递归结构天然生成多粒度训练数据，使模型学习层级决策过程。论文报告 ReCode 在推理性能上显著超越先进基线，训练数据效率优异。

DeepAgent：带可扩展工具集的通用推理智能体

2025-10-24 · arXiv:2510.21618

真实任务常需外部工具与长视界交互，而现有框架遵循预定义工作流，限制自主性与全局任务完成。DeepAgent是端到端深度推理智能体，在单一连贯推理过程中自主思考、发现工具并执行动作。针对多轮工具调用导致的上下文爆炸，提出自主记忆折叠机制，把过去交互压缩为结构化的情节记忆、工作记忆与工具记忆。训练上提出ToolPO端到端 RL 策略：利用 LLM 模拟 API，通过工具调用优势归因把细粒度信用分配给工具调用 token。论文报告在 ToolBench、API-Bank、ALFWorld、WebShop、GAIA 等八个基准上，在标记工具与开放集工具检索场景均持续优于基线。

DeepAnalyze：自主数据科学智能体

2025-10-19 · arXiv:2510.16872

DeepAnalyze-8B 是首个面向自主数据科学的智能体 LLM，可自动完成从数据源到分析师级深度研究报告的端到端流水线。训练采用课程式智能体训练范式（模仿人类数据科学家学习轨迹）与数据支撑的轨迹合成框架。论文报告其仅 8B 参数即超越基于最先进闭源 LLM 的既有工作流式智能体，并开源模型、代码与训练数据。

Agent Learning via Early Experience：中间范式

2025-10-09 · arXiv:2510.08558

专家示范数据只覆盖狭窄场景、泛化差，而 RL 在缺少可验证奖励（如网站）或长视界 rollout 低效（如多轮工具使用）的环境中难以训练。该工作提出中间范式early experience：使用智能体自身动作产生的交互数据，以「未来状态」作为无奖励信号的监督。研究了两种使用策略：隐式世界建模（用收集的状态把策略锚定在环境动态上）与自我反思（从次优动作中学习改进推理与决策）。论文报告在八个环境、多个模型家族上一致提升效果与域外泛化，并指出在有可验证奖励的环境中，early experience 为后续 RL 提供坚实基础。

主题五：记忆、上下文与幻觉检测

LightMem：轻量高效记忆增强生成

2025-10-21 · arXiv:2510.18866

记忆系统让 LLM 摆脱无状态交互，但现有系统引入大量时间与计算开销。受Atkinson-Shiffrin 人类记忆模型启发，LightMem 把记忆组织为三阶段：认知启发的感觉记忆通过轻量压缩快速过滤无关信息并按主题分组；主题感知的短期记忆整合这些分组、组织并总结内容以提供结构化访问；带睡眠式更新的长期记忆采用离线过程，把整合与在线推理解耦。论文报告在 LongMemEval 上（GPT 与 Qwen 骨干），LightMem 准确率最高提升 10.9%，同时 token 用量最高减少 117 倍、API 调用最高减少 159 倍、运行时间降低 12 倍以上。

ACE：把上下文当作演化的剧本

2025-10-06 · arXiv:2510.04618

LLM 应用（智能体、领域推理）越来越依赖上下文适配（修改输入而非更新权重），但现有方法存在简洁偏差（为简洁摘要丢失领域洞察）与上下文坍缩（迭代重写侵蚀细节）。ACE（Agentic Context Engineering）基于 Dynamic Cheatsheet 的自适应记忆，把上下文视为演化的剧本，通过生成、反思、策展的模块化流程积累、精炼、组织策略，用结构化增量更新防止坍缩。论文报告在智能体与领域基准上，ACE 在离线（系统提示）与在线（智能体记忆）场景均持续优于强基线：智能体 +10.6%、金融 +8.6%，显著降低适配延迟与 rollout 成本；在 AppWorld 排行榜上匹配排名第一的生产级智能体的平均分，并在更难的 test-challenge 划分上超越。

PsiloQA：多语言片段级幻觉检测

2025-10-06 · arXiv:2510.04849

现有幻觉基准多为序列级且局限于英语。PsiloQA提供覆盖 14 种语言、带片段级幻觉标注的大规模多语言数据集，通过三阶段自动流水线构建：用 GPT-4o 从 Wikipedia 生成问答对、在无上下文设定下让不同 LLM 生成可能幻觉的回答、由 GPT-4o 对照金标准答案与检索上下文自动标注幻觉片段。论文评测了不确定性量化、LLM 标注、微调编码器等多种检测方法，显示编码器模型跨语言表现最强；PsiloQA 还展示了有效的跨语言泛化与向其他基准的知识迁移，且比人工标注数据集成本更低。

如何在仓库中继续跟进本月研究

本清单是 understand.md 中「Understand 301：前沿 feed」的一部分，你可以按以下方式深化研究：

• 阅读完整年度清单：2025 年其他月份的论文见 research_updates/2025_papers（如 9 月清单），2026 年新 feed 见 research_updates/2026_papers；
• 对照常青研究表：本月的智能体搜索与深度研究论文（Tongyi DeepResearch、InteractComp 等）可对照 智能体搜索与检索研究表 中的横向归类阅读；
• 按主题深入：仓库按主题组织了课程与资源入口，例如 AI Agents、Evaluation and Observability、Multimodal、LLM Foundations，可把本月论文挂靠到对应主题继续学习；
• 先读综述再读论文：对不熟悉的方向，先看 最佳综述论文清单 建立地图，再回到月度清单精读原始论文，效率更高。

小结

2025 年 10 月的论文集中体现了生成式 AI 研究的几个明确趋势：效率优先（线性/混合注意力、量化、上下文压缩、KV Cache 通信正在把长上下文与训练成本推向实用化）、RL 成为主训练范式（从 AEPO、Flow-GRPO 到 QeRL、GEM，算法与基础设施同步成熟）、智能体从框架走向端到端训练（深度研究智能体、自主数据科学、规划-行动统一），以及多模态原生模型与世界模型加速涌现（Emu3.5、OmniVinci）。这些方向与仓库中 State of AI 2025 报告 揭示的整体格局相互印证。建议读者结合本文的论文清单与仓库的研究表、综述与课程资源，按兴趣挑选 2～3 条主线深入精读原始论文。

• 文档
• 教程
• 人工智能
• 大模型