HMT 
一类工作把目标定义清楚：多方约束协商、从演示提取程序、从参考应用发现可回放行为；另一类降低实现成本：策略组合、循环稀疏更新和三维跟踪去重。目标是否正确与执行是否高效需要分别检验。工程读者先看约束获取和 ProgramDistill，后训练读者关注 PoEM 的共享参考策略假设。
1. Ontology-Mediated Neurosymbolic Constraint Acquisition from Multiple Stakeholders
原论文 · 2609.29876v1，版本提交 2026-09-24 · PDF
本体中介架构把利益相关者软偏好与硬件规格的硬约束统一到 OWL 配置本体，用描述逻辑发现不可满足条件，生成解释供 LLM 与人重新协商，残余冲突再按优先级放松。微电网案例展示了符号规范如何从上游获取，却不是通用有效性的实验性证明。我的判断是，先明确谁有权修改哪些约束，才谈自动协商。
2. RAPID: Robot Agentic Programming from Demonstrations
原论文 · 2609.30249v1，版本提交 2026-09-24 · PDF
RAPID 从一段人类视觉演示推断可测试规范、动作原语与交互验证环境，再生成和修订机器人程序。对象中心关系表示把策略结构与具体姿态分开。八项接触丰富的非抓取任务、LIBERO-Pro 和真实 Franka 测试支持所测泛化。单次演示仍依赖生成器、轨迹优化与验证器，不是没有先验或可执行范围限制。
3. PoEM: Predicting RL Outcomes from Existing Policies
原论文 · 2609.30226v1，版本提交 2026-09-24 · PDF
PoEM 用已在不同奖励上后训练的策略近似新奖励的 RL 结果。共享参考策略时，特定奖励线性组合对应 log-policy 的组合；更一般情况依靠经验低秩结构与校准样本估计权重。文本和图像实验支持可行性，无需追加 RL 却仍有基础策略、校准与推理成本，也不保证任意新奖励都在已有策略覆盖内。
图：既有策略 log-ratio 组合与新奖励策略近似。Kimia Hamidieh , Giannis Daras , Antonio Torralba，arXiv:2609.30226v1，Figure 1，PDF 第 2 页。原始图源 · CC BY 4.0。裁剪自原文。
4. FlashLoop: Fast and Memory-Efficient Looped Transformers via Lazy Updates
原论文 · 2609.29812v1，版本提交 2026-09-24 · PDF
FlashLoop 利用深循环中更集中的状态与注意力差异，以及可低比特表示的 KV 残差，做稀疏 token 更新、稀疏注意力和量化。所测循环 Transformer 准确率不降，端到端最高快 1.64 倍，KV 最多缩小六倍。最高收益依赖模型、深度和上下文；lossless 是评测描述，不是任意输入下的数学等价保证。
5. TrackEverything: Long Horizon Dense Tracking via De-Duplicating 3D Scene Representations
原论文 · 2609.30222v1，版本提交 2026-09-24 · PDF
TrackEverything 用世界坐标中的持久三维轨迹表示视频，体素去重避免窗口间重复积累同一表面，只为动态点细化完整轨迹。作者在 40GB 显存内跟踪超过千帧视频的全部可见点，并改善 TAPVid-3D 短片密集跟踪。成本更多随独特几何增长，仍受动态程度、几何规模与相机估计限制，并非与视频长度完全无关。
6. ProgramDistill: From Interactive Web Apps to Verifiable Reference-Guided SWE Tasks
原论文 · 2609.18805v1，版本提交 2026-09-16 · PDF
ProgramDistill 让 coding Agent 从可交互参考应用发现行为，再修复不完整应用。二十六个应用产生 1,975 项回放验证行为和 4,063 项任务；所测最强系统在完整应用重建的累计流程成功率为 49.2%。任务由自动因式分解与 gold patch 定义，衡量参考行为恢复，不覆盖全部产品设计、可访问性或安全质量。
预印本结论可能随修订变化。