浙大北大 SPADER 被 EMNLP 2026 主會錄用：步驟級 GRPO 提升多答案問答召回
浙大與北大團隊的 SPADER 被 EMNLP 2026 主會錄用，它把 GRPO 的軌跡級優勢細化到步驟級（step-wise GRPO），並加入多樣性感知探索獎勵，用於多答案問答的長尾覆蓋。搜尋階段按組內檢索頻率給新發現的實體加權：頭部實體被稀釋，獨有長尾發現獎勵最高。在四個基準、Llama3.1-8B 與 Qwen3-8B 兩種基座上 F1 全部第一，QAMPARI 上相對 PPO、GRPO 最高提升 86.1%。
把 GRPO 的軌跡級優勢細化到決策步，並用檢索頻率稀釋頭部獎勵，四個基準、兩種基座 F1 全部第一，QAMPARI 相對 PPO/GRPO 最高提升 86.1%，程式碼與 Qwen3-8B 權重已開源，做 RL 訓練與檢索智慧體的人可直接復現。
原標題：EMNLP 2026 Main｜浙大&北大团队提出SPADER：用step-wise GRPO与多样性感知奖励驱动多答案问答长尾探索
閱讀原文
| 評分 | 75 / 70（平均 72，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
Qwen3.8 27B 在 DGX Spark 復現文字加法實驗，169 題答對 167
有人在本地 DGX Spark 上覆現了兩年前用 GPT-4o 做過的實驗：讓模型算出大數之和、但把答案寫成英文單詞。他用 Qwen3.8-27B-Q4_K_M.gguf，經 Codex Remote（GPT-6 Astra）執行，關閉推理時每組組合跑 30 次嘗試，開啟推理後每組只跑一次，169 次裡答對 167 次。作者也公開了部分大數計算的推理過程。
Sharpa 公開 CraftNet 分層架構，解耦運動與互動
Sharpa 在 CES 2026 公開 CraftNet 分層模型，把靈巧操作拆成約 1 Hz 的推理腦、10 Hz 的運動腦和 100 Hz 的觸覺互動腦，讓接觸階段交給底層高頻控制。基於該思路的 MoDE-VLA 在雙手削蘋果任務上把成功率從 π0 基線的 0% 提升到 30%，削皮完成度從 8% 提升到 73%；UVTA 則在 1000 條人類演示下把三個任務平均成功率從 0% 拉到 84%，論文稱尚未飽和。
哈工大 STILL 被 NeurIPS 2026 接收，首個內容感知層內混合注意力
哈爾濱工業大學（深圳）團隊的 STILL 被 NeurIPS 2026 接收，這是首個按內容而非位置在同一注意力層內混合 Softmax 與線性注意力的框架：先用區域性滑窗內的自顯著性分數挑出重要 token 交給 Softmax，其餘交給線性注意力，並用保範數對映 NP-Map 保住預訓練範數結構。它僅用 0.04B token 完成對預訓練 LLM 的線性化，16K 上下文下視訊記憶體削減 80%、預填充加速 83%；
SAGE：用結構訊號糾偏長推理，AC 例項驗證通過率近 8 倍
維吉尼亞理工、威斯康辛大學麥迪遜分校與達特茅斯學院團隊在 NeurIPS 2026 提出 SAGE，用結構訊號引導長程推理的後訓練。方法以符號閉包分析（SCA）解釋探索偏差與累積偏差，訓練時用代數稀疏化和雙曲結構引導重排候選推理步，在 12 個基準、7 個模型家族上總體優於 SFT、GRPO、EMPO 與 GRPO-PRM。在 1,190 個 Andrews–Curtis 長程例項上，Qwen3 的 Lean 驗證通過率接近基礎模型的 8 倍；
@AIatMeta: Today we’re releasing Muse Spark Open, the most capable US open-weight model to date.
Meta 發布開源權重模型 Muse Spark Open，稱其是美國迄今能力最強的開源權重模型，主打編碼與 agentic 任務。模型總引數 816B、啟用 42B，上下文視窗 1M token，原生支援文字、影像、影片與音訊多模態。官方稱其在長時程任務、複雜軟體工程和多步推理上表現突出。