短到长：分离特征用于长时程价值学习
论文提出Short-to-Long，让较小折扣源网络训练特征并供给长时程行为学习器，分离连接避免行为损失更新源网络。实验覆盖Atari与在线、离线连续控制，57款Atari中40款配对终局中位数提升。价格、参数与国内可用性未知。
要点
- S2L用较小折扣的源网络训练特征，同时让行为学习器保持原有长时程折扣。
- 分离连接阻止行为价值损失更新源网络，使各源网络遵循自身价值目标。
- 57款Atari游戏中40款的配对终局中位数提升，消融支持特征迁移、较小源折扣与梯度隔离。
为什么值得看
深度强化学习中，价值目标持续变化使表征难学；较小折扣能降低远期自举扰动，但直接用于行为会改变控制目标。S2L在保持行为折扣不变时借用短时程特征。
谁会受影响
面向研究长时程强化学习、Atari及连续控制的研究者。论文未给出作者、机构与开源状态，相关信息未知。
今天就能怎么试
资料只有论文摘要，未提供代码、超参数或复现步骤，国内可用性与价格未知，目前无法按步骤试用，且未实测。
原始来源
1Short-to-Long: Detached Features for Long-Horizon Value Learning · arXiv cs.AI · 2026年10月23日✓ 已打开核对本条由 AI 根据上面的原始来源整理，经编辑审核后发布。数字和结论以原文为准，发现错误欢迎反馈。
相关动态
开放世界模型结合游戏引擎，单卡生成实时可玩画面
Matrix-Game 4.0 让轻量引擎负责规则和状态，视频模型将低多边形画面转成细致视觉，编码智能体则修改场景与玩法。论文报告 RTX 5090 上实现 480p、60 帧交互，按键到显示延迟为 112 毫秒，并宣布开放代码与资产。实时帧率需与响应延迟分开看。
业务智能体基准检查执行过程，完成任务也可能判失败
BizAgentBench 将 789 份知识文档、601 项业务工具和 50 个长流程任务放进可执行环境，既核验最终目标，也检查中间步骤约束。论文显示只看任务完成会掩盖无效操作；HF 早期标题为 BizBench，arXiv 修订版已改名。同时还应记录任务过程中的工具调用成本。
中英密集文字生图基准发布，专测海报长文与布局
UltraText Bench 提供 432 条人工检查的提示，覆盖 24 类真实场景，中英文各半，每张图要求四至十二处文字。评估分别看文字准确、清晰度、空间安排和场景质量，揭示快速模型可能更清晰却更容易写错字的取舍。适合中文海报选型。
AI协助发现PHP高危漏洞，网站维护者面临集中修补
爱范儿梳理 PHP2Shell 漏洞披露与紧急修补过程，介绍 OpenAI 安全研究在构造可复现证据中的作用。事件涉及底层软件广泛使用带来的连锁影响；具体风险取决于运行版本与部署条件，不能把使用 PHP 都等同于已经遭入侵。