AI前沿论文速递｜2026年5月中旬精选

一、Stream-T1：视频生成告别翻车
中科大与FrameX.AI团队提出首个专为流式视频设计的推理时扩展框架。传统AI视频生成要么画面断裂、要么算力爆炸，Stream-T1通过遗传优良噪声机制，让每段视频继承前段最佳种子，配合奖励剪枝和记忆沉降，在5秒和30秒基准上全面领先，时间一致性和动作流畅度显著提升。（arXiv:2605.04461）

二、SkillOS：让AI Agent学会管理技能
伊利诺伊大学团队提出基于强化学习的技能策展框架SkillOS。当前AI智能体普遍是一次性选手——做完就忘，无法从经验中积累。SkillOS让Agent自动从历史任务中提炼可复用技能，存入外部SkillRepo，在后续任务中检索调用。实验显示，学习到的策展策略能跨不同模型和任务领域泛化。（arXiv:2605.06614）

三、LoPE：废话也能帮AI变聪明
华盛顿大学团队发现，在GRPO训练中给prompt加上随机Lorem Ipsum伪拉丁文前缀，竟能显著提升LLM推理能力。原理是噪声扰动打破了零优势困境——当所有采样路径都失败时，模型失去训练信号。加上无意义前缀反而能解锁正交推理路径，1.7B到7B模型全面受益。（arXiv:2605.05566）

四、自我进化AI智能体综述发布
集智俱乐部翻译解读了一篇系统综述，提出从离线预训练到多智能体自主演进的四阶段范式，以及安全、卓越、进化的三大定律，为构建真正具备终身学习能力的AI系统提供理论框架。

AI前沿 大模型