AI 论文Agentic AI视频生成交通规划音乐生成

AI 每日简报：Agent 系统架构升级、一步式视频生成与城市交通规划新突破

2026 年 6 月 2 日4 分钟 · 2541 字

📰 今日 AI 研究亮点（2026-06-02）

🚀 一、Agentic AI 系统缩放：从模型到“马具”的范式转变

两篇来自同一团队的论文共同探讨了自进化 LLM Agent 的能力边界。研究发现，单纯的“马具更新”（即修改 Agent 工具或框架）并不等同于“马具增益”——需要区分架构进化与能力提升。更重磅的进展是《From Model Scaling to System Scaling: Scaling the Harness in Agentic AI》，明确提出未来的扩展方向应转向系统层级的缩放，而非仅仅增大模型参数量。

核心洞察：Agent 的表现瓶颈已从“模型智能”转移到“系统编排”，设计可扩展的“马具”架构（工具调用、记忆管理、任务分解）将成为下一个关键竞争点。

🎥 二、一步式自回归视频生成：One-Forcing 实现稳定输出

《One-Forcing: Towards Stable One-Step Autoregressive Video Generation》提出一种训练范式，在自回归视频生成中仅强制第一步推理，后续步骤自由生成，从而大幅提升长期时序稳定性。该方法在多个基准测试中超越传统逐帧强制训练，为实时视频生成铺平道路。

🎵 三、DEMON：扩散引擎驱动的音乐生成

《DEMON: Diffusion Engine for Musical Orchestrated Noise》探索将扩散模型应用于配乐式噪声生成，实现从纯噪声到结构化音乐编排的端到端生成。该模型支持对情绪、乐器种类进行细粒度控制，是 AI 作曲领域的重要进展。

🚇 四、AlphaTransit：城市级公交路线自动设计

《AlphaTransit: Learning to Design City-scale Transit Routes》利用强化学习自动生成大规模公交网络。实验表明，该方法在乘客覆盖率和运营效率上均优于人工设计方案，有望助力智慧城市规划。

🔬 其他值得关注的研究

Linearizing Vision Transformer with Test-Time Training：通过测试时训练使 ViT 线性化，降低计算复杂度，提升解释性。
SurGe: Improved Surface Geometry in Point Maps：改进点云地图中的表面几何重建，对自动驾驶和机器人导航意义重大。
Beyond Recall: Behavioral Specification as an Interpretive Layer for AI Personalization：提出用行为规范作为解释层，超越单纯记忆，实现更可控的 AI 个性化。
Guidance Contrastive Token Credit Assignment for Discrete Policy Optimization：在离散策略优化中引入对比式信用分配，提升强化学习样本效率。
RayDer: Scalable Self-Supervised Novel View Synthesis from Real-World Video：从真实视频中自监督学习新视角合成，无需昂贵标注。

💡 编辑点评

今日论文呈现出三个趋势：① Agent 系统架构成为研究焦点；② 生成模型（视频、音乐）正从“能生成”走向“稳定且可控”；③ AI 开始介入复杂的现实世界规划问题（公交路线）。这些方向将深刻影响未来 AI 产品形态。