什么火了
ARCHIVE近 30 天历史柱高表示当天的文章数
10/16—11/14 有历史数据
- 能否在不影响任务完成的前提下压缩上下文？ Coding Agent 的上下文越长，每一步调用的开销越高，能否在不影响任务完成的前提下压缩上下文？ Coding Agent 解决软件问题时，需要反复查看代码、修改程序、运行测试：每一步返回的文件内容、搜索结果和日志，都会留在上下文里，下一轮调用时还要整段重新带上。任务越难，上下文越长，每一步要处理的 token 就越多，费用也越高。统计发现，在 SWE-bench Verified 上，这些 observation 占了总 token 消耗的 45.7%，在 Terminal-Bench 上最高达到 67.8%。 能否直接压缩这些 observation？难点在于：压缩时很难知道被删去的内容后续是否还会被用到。 来自清华大学人工智能学院的团队提出了 CoACT：一种面向 Coding Agent 的 observation 压缩方法。它不看压缩结果像不像原文，而是看压缩之后，Agent 的下一步动作变没变。 在 SWE-bench Verified 的 200 个实例、三个 Agent 模型上，CoACT 平均减少 33.0% 的总 to
- 含被改词元的 335 条留出指令，成功率从 74.3%升至 87.5%；另外 430 个回合，成败结果逐一不变。 只改 65 行词嵌入，GPT-6 Astra 修复了一类机器人「换种说法就失败」的问题。 任务是打开炉灶。研究者给机器人的指令是「activate the cooking appliances heat source」——启动烹饪设备的热源。原始策略却伸手去拿盘子，执行 300 步后仍未完成任务。 换上修改后的权重，同一个场景、同一条指令、同一个随机种子，机器人在第 78 步完成了任务。编辑过程中没有做梯度更新，也没有新增机器人示范数据。 动图 1｜同一条留出指令，修改前后的机器人行为。左侧原始策略在 300 步超时；右侧编辑后在 78 步成功，随后停留终帧。场景、随机种子 7 和初始状态 0 相同，画面来自真实仿真录像。这是选出的修复案例，完整统计也包括退化回合。 这项研究由 Jusheng Zhang、Keze Wang 和 Liang Lin 共同完成，论文题为《Can LLMs Debug Robots by Editing Their Weights?》。在效果最
- 建立下一代具身数据的金标准。 机器之心发布 11 月 9 日，Anthropic 发布 Claude Fable 5.2。据报道，它在机器人控制基准 RoboDojo 上拿到 64.9% 的成绩，是上一代 Fable 5.1（27.6%）的两倍多。而就在两个月前，GPT-6 Astra 刚以 22.48% 的平均成功率登顶这一榜单，超过全部 40 个公开策略。 通用大模型的具身能力正以惊人的速度提升，但榜单上的分数，还不等于真实世界里的能力。在一项联合研究 [1] 中，GPT-6 Astra 被部署到 8 种真机配置上：插插头 11 次尝试全部失败，长程导航找物 23 次尝试中仅成功 9 次。研究者的判断是，它已具备初步的具身能力，但距离实用仍有差距。 如何让通用大模型更好地控制机器人，在真实环境中连续完成更长、更复杂的任务？模型既需要可供学习的行为示范，也需要能执行任务、积累经验的环境。大模型有 Scaling Law，物理智能的 Scaling Law 又在哪里？要回答这个问题，首先得弄清楚：该扩展怎样的环境与行为数据，又该如何持续生产和使用？ 近日，Physical AI 初创公
- FireFlash 公开长程智能体 RL 完整配方 长程智能体（long-horizon agents）正从「修一个 bug」走向连续数小时的终端与编程工作，但它的强化学习训练也格外昂贵：前沿实验室可以在数千张 GPU 上扩展 RL，而对多数团队来说，一条训练样本往往就是一次长达 3 小时、上百轮工具调用的完整尝试，任何一个环节出错，浪费的都是成小时的 GPU 时间。 近日，Wenbo Hu、Nanyun Peng、Dakuo Wang、Kai-Wei Chang 等研究者在 Agent Economics 博客上发布了 FireFlash：一个从 GLM-5.3-Flash 出发、经全参数强化学习训练得到的 300B 级终端与编程智能体。 FireFlash 在 Terminal-Bench 4.0 上的 Pass@1 达到 46.2%，与 Fable 5、GPT-6 Sol 处于同一水平，而单个任务的成本比最高推理强度下的 Fable 5 低 30 倍以上；这一提升也迁移到了 DeepSWE v1.1 与 SWE-Bench Pro Verified 两个软件工程基准上。整个训练只
- 你的下一个同事，何必是同事？ 机器之心编辑部 感觉 xAI 改成 SpaceX Super Intelligence 之后，马斯克在 AI 上很久没有过什么大动静了。 就在刚刚，Grok Bot 1.0 版本正式发布了。 「机器人可以共享，并且比以往任何时候都更具协作性和能力。」 按照 SpaceX Super Intelligence 的说法，新版的 Grok Bot 可以被整个团队共享，能被拉进 Slack、Microsoft Teams 和视频会议，会在讨论里看出谁在说什么、哪件事还没人接，然后主动举手说「这个我来」。 换句话说，它会像一个真正的同事那样，和你一起开会、一起工作。 虽然类同事的合作智能体早已经不是什么新鲜事，但从宣传视频里来看，Grok Bot 1.0 延续了 Grok 自然语音沟通的传统优势，高效自然的写作方式，特别像一个真人。似乎还可以创建和调用其他的智能体 Bot，无缝协作。而且，Grok Bot 的形象看上去非常可爱。 还有，从视频里看，马斯克要卖耳机了？ 三个月，从内部原型到「转正」 Grok Bot 第一次露面，是在三个月前。 今年 8 月 11 日，
- 「GPT is cooked.」 「GPT is cooked.」 这两天，这句话在 AI 社区里反复出现。让人坐不住的是 MiniMax 刚发布的图像模型 MiniMax H3 Image。 这是一个原生 4K 直出、10 秒级生成、支持 16 张参考图的模型，本周二刚刚开源，刷新了开源图像模型的 SOTA。从大家的第一波反应看，这个说法似乎并不夸张。 有提前拿到内测权限的开发者进行了大量测试。在新模型输出的内容里，AI 人像那层「塑料皮」没了，毛孔、雀斑、汗毛都清晰可见。人们对它在游戏设计、角色设定和 3D 场景上的能力赞不绝口。 在今天更新的 Artificial Analysis 榜单上，MiniMax H3-Image 在文生图、图像编辑两项榜单中均位列开放权重模型第一。 MiniMax H3 Image 支持网页端直接用，也可以通过 API 的方式在 MiniMax Code 或是其他 harness 中使用来完成一些复杂的任务。而且因为它是开源的，有人已经在搞本地部署了。 GitHub：https://github.com/MiniMax-AI/MiniMax-H3-Im
- 让开发者能够组合、替换和比较不同的进化策略，复用已有的任务执行、评测和版本管理能力。 GEAR 可以让研究者像使用 Scikit-learn 一样模块化构建 RSI 算法。它将采样、候选评测和多样性管理所需的算法模块与并行推理等测评设施组织起来，使得 RSI 算法能够快速搭建、比较和复用。基于 GEPA（Genetic-Pareto）算法改进的实验结果证明，GEAR 调优的 Agent 在营销、客服和代码任务上均取得显著提升。 一、研究意义、亮点与主要结果： 打造 Scikit-learn 式的模块化 RSI 框架 来自 Imperial College London、Duke 等机构的研究者提出开源框架 GEAR，希望为递归自我改进（Recursive Self-Improvement，RSI）提供一套通用工具箱。它的定位可以概括为 toolkits for RSI：让开发者能够组合、替换和比较不同的进化策略，复用已有的任务执行、评测和版本管理能力。 论文：GEAR: An Open General Evolutionary Architecture for Recursive Se
- Agent正在从「回答一个问题」走向「承担一份工作」！ 机器之心发布 Agent 正在从「回答一个问题」走向「承担一份工作」。近日，开源 AI Agent 社区 openJiuwen 针对 HyperAgent 架构详细解读，系统阐述了它对下一代 Agent 形态的判断 ——HyperAgent 应具备的八项特征，以及支撑这一形态的开源 AgentOS 分层设计。 今年 9 月，openJiuwen 社区就已对外发布 HyperAgent 架构，架构图同步在官网公开（openjiuwen.com）。上周，openJiuwen 又公开了其蜂群协作在 WorkSwarm 中的落地进展：永续智能体（Persistent Agent）可以接入多个 IM 跨渠道协同，人、数字员工和专家团可以在原生群聊中分工协作。 近期，业内不少厂商和研究机构也开始探索相近的架构方向。这次的解读则是对整套架构的完整说明：从 Agent 的基本定义、HyperAgent 的八项特征，到 AgentOS 的分层架构和各模块的设计思路，并给出了对应的开源实现。 Agent 的「二元属性」 openJiuwen 对 Ag
- 扮演具身智能的基础设施。 菜鸟先飞 过去，想把一个包裹更快地送到全球另一端，物流企业可能要付出上百美元的成本。如今，菜鸟能把这个数字压到一半，同时实现全球三日达。 背后靠的是一个新的效率杠杆—— AI ，以及每年呈 10 倍增长的 AI 支出。 11 月 5 日，在菜鸟香港智慧港举办的 AI 及具身智能产业合作发布会上，菜鸟国际总裁熊伟提到一串让人目不暇给的数字—— 目前菜鸟 AI 辅助配仓占比已经达到 96%，每年带来数以千万计的成本下降； 商家互动、异常托管以及海外关务归类等环节，也已经有大量工作由 AI 承担。 但菜鸟并不满足于此，它要飞得更高。 发布会上，菜鸟一口气官宣了两项新动作。一个是开放全球真实仓库场景作为训练集，加速具身 Demo 走向产品。 另一个是加速硬科技出海。为 AI 算力、机器人等硬科技产品提供「科技出海三日达」服务，从跨境运输到海外仓储、售后，提供一站式供应链支持。 这「一内一外」，显然一脉相承于菜鸟与生俱来的「科技化、全球化」基因。 熊伟说，很难想象十年后，还能继续沿用今天的作业方式，应对更加复杂、更具挑战性的运营环境，具身机器人能以更快速度实现更大的生产
- 同一个模型写出诊断、再按诊断重画，推理时不再需要任何外部打分器。 统一多模态模型既能看图，也能画图，那么它能不能像人一样，画完之后自己检查、发现问题、再动手改？ 来自南洋理工大学、上海交通大学和东京大学的研究者给出了一个肯定的回答。他们提出 UMM-Reflection，在开源统一模型 BAGEL 上用强化学习训练完整的「反思—修改」多轮轨迹：同一个模型写出诊断，再按诊断重画，推理时不再需要任何外部打分器。 经过强化学习，模型对初始错误图像的修复成功率从 20.6% 提升到 64.9%，GenEval 从 0.72（反思 SFT）提升到 0.84，其中空间位置一项从 0.47 跃升到 0.89；在训练中从未见过的 WISE 上提升 11 个点，比直接对生成器做强化学习高出近 20 个点。代码、模型与训练数据均已开源。 论文标题： Learning Native Reflection in Unified Models with Interleaved Reinforcement Learning 论文链接：https://arxiv.org/abs/2609.35767 项目主页：ht
- Anthropic 做机器人是认真的 机器之心编辑部 今天凌晨，Anthropic 一口气发布两款顶级模型 Claude Fable 5.2 和 Mythos 5.2。新模型在科学研究方面展示了多项成果，包括通过约 1000 个 AI 智能体协作，仅用 30 小时完成费马大定理证明的形式化。 在此次更新中，机器人控制能力也备受关注。在官方的发布文章中，科学与工程部分专门设置了「硬件与机器人」小节。 官方演示视频中，Claude Fable 5.2 控制机器人完成了操作益智方块、拧开瓶盖、绘制机器人图案等任务。 根据 Anthropic 公布的数据，Claude Fable 5.2 在 RoboDojo Sim 上的得分达到 64.9%，较上一代 Fable 5.1 的 27.6% 提升 37.3 个百分点，也超过了 Claude Opus 5.5（39.4%）和 GPT-6 Astra（29.8%）。 Anthropic 还表示，Fable 5.2 在此次评测中超过了多数专门面向机器人控制开发的 AI 系统。 Anthropic 产品经理 Alex Albert 直言机器人的「苦涩的教
- 具身数据采集不必一套设备走天下，三种模式，兼顾规模、动作细节与触觉精度。 继 OpenAI 之后，Anthropic 也开始抢机器人公司的风头了。 今天，Anthropic 发布了新模型 Claude Fable 5.2。除了常规的编程、推理能力升级，这次还有一个挺意外的看点：Claude 开始玩魔方、拧瓶盖，甚至能操控机器人画画了。 前段时间，OpenAI 的 Astra 就已经在机器人操作任务上秀过一把。如今，Anthropic 也跟了进来。 过去，这些能力还是具身智能公司费尽心思训练专用模型才能实现的。现在，通用基础模型也开始进入这块地盘。 这不免让人担心，机器人公司辛辛苦苦训练出来的模型，会不会有一天也被基础模型「吞掉」？ 这个问题已经吵了一段时间，目前还没有定论。但无论最后控制机器人的是通用大模型、VLA 还是世界模型，大家都逃不过一个基础问题：它们对物理世界的经验从哪里来？ 物理经验可以单纯从通用基础模型所用的常规数据中涌现吗？至少前段时间针对 Astra 的一项研究表明：事情没这么简单，OpenAI 在训练过程中可能使用了专门的机器人数据，GPT-6.1 Sol 和 Ge
- 当视觉与触觉发生冲突，智能体会怎么办？ 看起来像硬质塑料，按下去却十分柔软 —— 当视觉与触觉发生冲突，人类往往会依赖触感修正视觉误区；但现有的多模态模型却常常更相信视觉，从而误判物体的真实物理属性。 图 1 研究概览：Touch-R1 在触觉推理评测基准 TouchReason-Bench 上的表现优于其他代表性多模态大语言模型（左）；Touch-R1 依据触觉证据，推翻视觉误判，将材料判断为橡胶（右） 戴盟机器人团队联合厦门大学、南京大学、大湾区大学、复旦大学提出 Touch-R1，将强化学习用于跨传感器触觉推理。论文已被 NeurIPS 2026 接收。团队同时构建 TouchReason-1M 数据集与 TouchReason-Bench 基准，支持训练及评测。 论文标题：Touch-R1: Reinforcing Touch Reasoning in MLLMs 论文地址：https://arxiv.org/abs/2605.27154 项目主页：https://laiyingxin2.github.io/Touch-R1/ 代码：https://github.com/lai
- 自带云电脑的 TeleAgent，打开智能体的更多可能。 有些 Agent，已经开始用「自己的电脑」替人干活了。 AI 落地有两条腿：一条迈向物理世界，成为具身智能；另一条走进数字世界，成为 Agent。 2026 年，两条路线都在突破与环境交互的边界：在物理世界，世界模型与空间智能让 AI 具备了对真实空间的感知、预测与行动力；在数字世界，Agent 开始真正接管电脑，操作软件、调用工具、执行复杂任务。 当 Agent 从技术探索走向实际应用，能做什么之外，如何更自然、更便捷地融入人们的工作与生活，也成为新的进化方向。 近日，中国电信天翼 AI 的星辰超级智能体 TeleAgent 迎来 V3.0 版本升级，其中一项核心变化，是在原有桌面端本地执行能力的基础上，进一步推出基于云电脑的云端执行能力。这也是国内 Agent 产品中率先探索将智能体与完整 Windows 云电脑环境相结合的实践。 相较于部分海外 Agent 产品采用的 Linux 云端环境，TeleAgent 更加贴合国内办公软件生态与用户使用习惯，能够更好地支持主流办公软件及业务系统的安装与操作，为 AI Agent 在
- 打通AI for Science「最后一公里」 前段时间，Anthropic 展示了一项 AI for Science 研究成果：Claude 在 64 小时内生成了 31.8 万个蛋白质设计方案，经过筛选，211 个被送入湿实验室测试，最终有 17 个达到预设的蛋白结合标准，展示了 AI 科学设计走向真实实验验证的巨大潜力。但 Anthropic 也指出，从结合命中到真正可用的抗毒疗法，仍面临复杂的活性验证与成药性考验等一系列考验。 这道出了当前 AI for Science 最尖锐的一个现实：在虚拟世界里推演方案，与在真实物理世界里把实验做出来，完全是两回事。 那么，模型提出的方案与真实的物理实验之间的鸿沟究竟有多深？过去谁也说不清，因为行业缺少一套能够反复执行、横向比较的物理验证基准。代码有单元测试，数学有标准答案，真实实验却受到设备差异、执行误差和成本的制约，不同实验室的结果也难以直接比较。 最近，由律动造物联合多家全球顶级科研机构共同推出的 AI Scientists' Last Exam（AI 科学家的终极大考，AISLE），试图为 AI 的真实实验能力建立一把新的「尺子」
- 给VLA推理做了减法 本文第一作者为纽约大学计算机科学博士生 Jack Lu，研究工作完成于他在英伟达实习期间。本文由英伟达资深研究科学家、Alpamayo 研究技术负责人 Yan Wang，以及英伟达自动驾驶研究负责人、斯坦福大学副教授 Marco Pavone 共同指导。 如今，许多视觉 - 语言 - 动作（VLA）模型会先推理、再行动。在输出动作之前，模型先写一段简短的文本，比如对场景的描述、一个计划，或者下一步要完成的子任务。这样做的机器人成功率更高，但速度也更慢。推理文本需要逐个 token 自回归地生成，动作必须等文本写完才能开始。在论文的实验中，写推理文本最多占到单次模型调用耗时的 70%。 来自英伟达、纽约大学、UC 伯克利、约翰斯・霍普金斯大学和斯坦福大学的研究团队仔细考察了推理的收益究竟从何而来。他们发现，动作并不需要读取当前这一步写出的推理，模型学会写推理就已经足够。团队据此提出了 TacitVLA。它和标准的推理 VLA 一样被训练去写推理，但它的动作从不等待这段文本。 在机器人操作和自动驾驶的四个 benchmark 上，TacitVLA 的成功率与显式推理相
- AI开始从真实实验中学习。 机器之心编辑部 在小鼠脑部手术中，考验操作者的往往是进针之前的一个细节：找到头骨上几个极其关键的解剖标志。这些点看起来不起眼，却决定了后续手术坐标如何计算。位置稍有偏差，针头就可能无法准确抵达预定的脑区。 现在，AI 也开始学习这项操作了。 近日，生物科技初创公司 Exin Therapeutics 联合创始人兼 CEO Gabriel Ocana-Santero 分享了一组实验结果：团队让 GPT-6.1 Sol 连续参与三轮小鼠脑部手术定位。 每次操作结束后，专业外科医生都会纠正模型的定位结果，模型则保存自己的图像、测量数据和专家修正记录，供下一轮操作参考。 结果相当有意思。 到了第三次操作，GPT-6.1 Sol 寻找解剖标志的时间从 169 秒缩短到 86 秒，所需的纠正动作从 4 次减少到 2 次，定位误差也从 0.6 毫米降至 0.3 毫米。 Ocana-Santero 将这一过程称为基于真实世界经验的上下文学习（In-context Learning）。 需要注意的是，这组数据只有 3 次操作，距离证明 AI 已经掌握稳定的手术能力还有很长距离
- 有人被要求解释「标准差」，有人收到AI味评语 机器之心编辑部 这几天，机器学习顶会 ICLR 2027 的首轮评审意见陆续公开。 对论文作者来说，这通常是一个颇为紧张的时刻。几个月甚至一两年的研究工作，终于要接受同行检验。审稿人会仔细检查方法、实验和理论推导，指出研究中真正存在的问题。 但今年，一些研究者打开 OpenReview 后，看到的评审意见却让人有些哭笑不得。 ICLR 2027 的同行评审，一时间成了 AI 圈的一场大型吐槽现场。 有人让作者解释标准差 有人把 AI 提示词直接贴了上来 先来看加州大学伯克利分校的 Hanchen Li。 他发帖称，自己收到了一份 ICLR 评审意见，对方要求他们解释什么是「standard deviation」（标准差）。 他还开玩笑说，这下仿佛又回到了高中课堂。 原帖没有展示完整的论文和评审上下文，无法判断审稿人究竟是希望作者补充统计定义，还是对论文中的具体用法存在疑问。 但这条帖子还是迅速引发了讨论。 另一位研究者 Ravid Shwartz Ziv 展示的情况，则更加有喜剧效果。他贴出了三位审稿人的意见。 第一位写道：「The pap
- 研究社区探索可验证Agent学习的一个起点 在训练 Tool-Calling Agent 的过程中，我们反复遇到一个看似简单、却非常关键的问题：训练数据从哪里来？ Tool-Calling Agent 需要根据用户意图调用外部 API、整合中间结果，并最终给出答案。要通过 Reinforcement Learning 训练这样的 Agent，我们需要大量任务，每个任务都应当带有正确的中间 tool calls 和可以被验证的最终答案。即使是数据效率较高的 RL 方案，也往往需要数千个这样的任务；而目前主流的 agent benchmark，每个通常只提供几十到几百个任务。 一个自然的想法是让 LLM 来合成任务。但很快我们就会遇到下一个问题：一个由 LLM 想象出来的任务，它的 ground truth 真的正确吗？更进一步，如果这些任务依赖真实世界的 API，而 API 的返回结果随时可能变化，我们又该如何在训练中反复复现同一个环境？ 我们逐渐意识到，问题的关键可能并不在于 “如何生成更好的任务”，而在于生成任务的顺序本身。 换句话说，我们认为：与其先出题、再寻找答案，不如先在真实
- 「State of AI 2026」预测了哪些趋势？ 本文来自PRO会员通讯内容，文末关注「机器之心PRO会员」，查看更多专题解读。 随着前沿模型的能力边界被持续推高，2026 年的 AI 行业正处于一个微妙的十字路口。「State of AI Report 2026」从研究、产业、政治与安全四大维度，指出智能体深度嵌入研发流程，具身智能迎来关键拐点，AI 正从辅助工具向基础设施的角色加速演进；而另一方面，AI 行业仍面临着评测基准大面积失灵，智能体威胁溢出至生产系统与 AI 逐渐转化为新型地缘政治杠杆等方面的挑战。 目录 01. 前沿三强已成定局，明年 AI 行业可能会有哪些变化？ 「State of AI 2025」的预测命中了几条？「State of AI 2026」预测了哪些趋势？... 02.现有评估体已经跟不上AI能力的进步速度了吗？ RSI 与 Harness 如何影响本年度 AI 发展？现有评估体系存在哪些真空地带？... 03. AI 的商业化面临哪些现实约束？ AI 对软件行业造成了什么冲击？算力基建面临哪些方面的约束？... 04.AI 治理将面临哪些新挑战？ A
- 大晓的双脑协同探索：从真实交互到可复用的物理经验 近日，大晓机器人首席科学家陶大程教授发布具身双脑协同探索：让一台机器人付出的探索，为更多机器人提供依据；让今天获得的经验，减少明天必须重复的试错。以下为陶大程教授技术文章原文，欢迎阅读。 “让后来者从前人止步之处继续。” "by the last beginning where those before them had left off" —— 勒内・笛卡尔 一台机器人犯过的错，怎样才能让另一台机器人少走弯路？ 设想一次普通的取杯任务：机器人找到了水杯，规划好接近方向，却在抬起时发生了滑移。它调整接触位置，重新抓取，最终完成任务。对于使用者，这件事到此结束；对于一个能够持续学习的系统，更值得追问的问题才刚刚开始：为什么会滑？这次调整在什么条件下有效？换一只杯子、一副夹爪，甚至另一台机器人，这段经验还能发挥多大作用？ 一次失败如果只留下日志，一次成功如果只留下标签，相似的试错就可能随着部署规模扩大，在不同设备、不同项目中反复发生。将交互中的有效认识连同证据和适用条件一起提炼、保存，并在新的任务中验证，才能让真实经验逐步积累为能力。 这也
- Frameboy。 今天，AI 圈的人在打游戏。 李飞飞的创业公司 World Labs 推出了自己的第一个「应用」Frameboy，由 AI 实时生成第一人称画面，把生成式 AI 变成了一种可以直接探索的体验。 Frameboy 是一个 Atlas 世界模型的优化演示版，使用云端 GPU 的流式传输，帧率最高可以达到 15 fps。实测出来模型的响应时间大概只有 70ms，已经很接近云游戏了。 体验链接：https://frameboy.worldlabs.ai/ 它目前提供精选场景供用户探索，包括各种真实世界中的风景、赛博朋克空间以及斯坦福大学的校园等。这些场景有的是从一张图片出发，让 Atlas 脑补出其他视角，逐步构成一个可探索的环境，也有的是输入了同一地点的多张照片，再由模型生成照片之间、以及照片之外的新视角。 World Labs 还在 beta 网络应用 Viewfinder 中直接集成了 Frameboy 作为流媒体覆盖渲染模式，这让用户能够用自己的输入内容逐帧构建场景，然后在实时中探索和扩展虚拟的世界。 就像使用摄像机一样，你可以从不同的视角导航并生成 3D 一致的世
- 从只会 “单步演示” 到 “连续干完一件活”，长程规划正在成为机器人的新分水岭。 机器之心发布 从只会 “单步演示” 到 “连续干完一件活”，长程规划正在成为机器人的新分水岭。 当 “大脑” 成为机器人的分水岭 2026 年，具身智能正以肉眼可见的速度从展台走向真实场景。据中国电子学会数据，2026 年上半年国内人形机器人出货量已超 4 万台，全球占比高达 97%；海外科技巨头亦在加速入场：OpenAI 首席执行官已确认公司将自主研发人形机器人，并直言机器人外观 “远不如真正弄清楚如何让机器人大脑运转重要”，计划 2027 年推出演示样机，核心攻关方向正是驱动机器人运转的智能系统。 从中国制造的规模领跑，到全球巨头押注 “大脑” 竞赛，行业共识已然清晰：形态不再是分水岭，真正决定机器人能否 “干活” 的，是具身大脑在复杂场景中的规划、决策与泛化能力。 在这一赛道，一种关键能力正浮出水面 —— 让机器人从 “看懂环境” 走向 “连续干活” 的长程规划，正在成为具身智能落地的新分水岭，也为行业打开了一条高性价比的研发路径。 长程规划：具身大脑最陡的一跃 具身大脑被视为机器人从 “看懂环境”
- 既要，也要。 规模也能经济。 仓库里的马拉松 一台矮矮胖胖的机器人拐进货架之间。它闪烁着信号灯，外形像一只装了轮子的行李箱，沿着狭窄的巷道快速移动。 迎面，另一台机器人正好驶来。眼看就要撞上，两台机器人却灵活地错开，继续执行各自的任务。 转过一个弯，其中一台贴近货架，抓住轨道，沿着垂直方向「蹭蹭蹭」地向上攀爬。它要取走的是一个高处的料箱。完成任务后，料箱将被送往人工工作站，等待分拣。 这样的场景，在菜鸟广州增城猫超仓（以下简称猫超仓）的 2000 平方米存储区里不断上演。 这里有 135 台 ZeeBot 攀爬机器人、9 米高的 20 层密集货架，以及 4.2 万个料箱。机器人像一群现实版《吃豆人》，在巨大的立体迷宫中穿梭，有的忙着出库，有的负责补货。 这场游戏最特别的地方在于，它恰好发生在「双十一」。10 月 20 日晚 8 点，天猫「双十一」全面开卖。当天，猫仓高峰期出库件数直接飙到日均同时段的 3 倍。 在持续 28 小时的订单洪峰中，机器人累计垂直运行里程超过 140 公里，单小时峰值达到 11 公里。一场超级「马拉松」最终也转化成了实实在在的履约成绩： 猫超仓一天多波次循环发
- 连续统一多模态模型的想象空间，或许才刚刚打开。 走向物理 AI 时代，构建一个能真正统一语言与视觉的多模态基座模型是关键一步。然而，语言本质上是有序的 Token 序列，视觉则是连续的高维像素分布，两者在信息结构上存在天然的鸿沟。如何在一个模型内统一这两种截然不同的分布，一直是一个备受争论的话题。 目前，主流的解法主要有两条。一条是全离散路线（如 Chameleon、Emu3），它把图像也量化成离散 Token，与语言拼在一起做自回归建模。但这种方法受限于视觉 Tokenizer，图像的高频细节在量化过程中极易丢失。另一条是混合离散 - 连续路线（如 Transfusion、JanusFlow），文本走离散预测，图像走连续扩散。虽然避开了量化瓶颈，但一个模型里得同时维护两套截然不同的目标函数和采样流程，不仅工程实现复杂，联合优化的难度也很大。 既然两条路都有妥协，有没有第三种解法？ 近日，华中科技大学王兴刚团队与地平线机器人等机构合作，提出了 Multimodal Flow，给出了第三条路线：全连续。在这个架构下，语言和视觉各自保留在原有的连续嵌入空间中，但共享同一个 Flow Mat
- 文心5.5 Flash Base Agent 开始连续执行任务，对于模型的需求有了新变化。 随着任务链条的拉长，模型每一步的计算开销、长文本能力，都会影响最终的使用体验与成本，这让 Flash 档模型的重要性越来越强：它们更注重在能力、速度与成本之间找到平衡，承接那些高频和持续运行的工作。 11 月 5 日，百度文心系列正式发布新一代基座模型文心 5.5 Flash Base（ERNIE 5.5 Flash Base），并开放了权重。 这次发布的是一个稀疏 MoE 语言模型，总参数量 280B，每 token 激活 14B，其在 33.5T tokens 上从零完成预训练，最长的训练上下文为 128K，微调与推理阶段外扩到 1M tokens 的长上下文。 该模型已开放权重，并已联合 vLLM、SGLang 等社区提供开源生态支持。 HF FP8: https://huggingface.co/baidu/ERNIE-5.5-Flash-Base HF BF16: https://huggingface.co/baidu/ERNIE-5.5-Flash-Base-BF16 SGLang
- 下一代 AI 原生应用是什么样？ 机器之心编辑部 Personal Agent 撕开了一道 AI 应用的口子。 个人记忆、生态工具、需求透视等一系列要点的叠加，让 Personal Agent 的理念有了更明确的定义：Agent 依托于模型的推理、规划与调用能力，但又不单单依赖于此，记忆是否准确、工具是否丰富，都决定着 Personal Agent 对用户需求的满足率。 Agent 的能力开始围绕「人」来构建。“根据用户需求和专业数据，我们建立了覆盖 30 多个行业的需求透视图，将需求归纳为不同意图，再拆解出 8000 多个模型的原子能力需求，通过后训练和强化学习，提升任务执行的稳定性和效果。” 在介绍千问正在邀测的 Personal Agent「千问 Go！」技术框架时，千问事业部 AI 算法负责人蒋冠军表示。 Agent 正在执行更复杂、更不确定的用户任务。在蒋冠军谈及的案例中，当千问 Go 帮助一位用户争取航班延误理赔时，考虑到用户表达过 “要现金赔偿”，直接拒绝了客服提出的优惠券方案，多次沟通与尝试，最终获赔 70 元现金。 但任务完成率只是起点，更关键的是记忆。 如何构建记忆
- 代码写错了、命令报错了、环境配坏了，Code Agent 接下来会做什么？ 在复杂终端任务中，一次错误往往会引出一串无效操作：重复安装已经装好的依赖，沿着错误假设继续修改代码，直到耗尽预算、任务失败。这些失败，能不能反过来成为 Agent 自我改进的训练材料？ 来自复旦大学、香港中文大学 MMLab 和上海交通大学的研究者提出 ReTerm，让终端智能体尝试恢复自己造成的失败，再从恢复结果中学习，探索一条由自身错误驱动的递归自我改进（Recursive Self-Improvement，RSI）路径。 这项工作的关键，是把「自己遇到问题、自己尝试恢复、根据成败更新参数」接入同一个训练闭环。模型变了，它产生的失败也会变化，新的失败又继续成为下一轮学习的起点。 论文链接：https://arxiv.org/abs/2610.18484 代码、模型与数据：https://github.com/twothsnd/ReTerm Hugging Face Paper：https://huggingface.co/papers/2610.18484 为什么会做任务的 Agent 仍然容易卡在错误里
- 让Agent换个对话也能记住你！ 机器之心发布 上个月告诉助手「订机票选靠窗座位，优先上午的航班」，这次出差让它订票，它还记得吗？换一个对话、交给另一个执行任务的 Agent，这条要求还在吗？ 近日，DeepSeek 在《Super-agent 设计探索》中为下一代智能体提出了四个特征：连续、高效、主动、持久，并主张「Session 应当是系统的实现细节，而不应是用户的认知负担」。会话交给系统管理之后，用户交代过的要求、做过的任务、给出的反馈，怎样进入下一次工作，就成了系统设计要回答的问题。 常驻型个人智能体 Comma 给出了一套完整的工程实现：整个工作区只保留一条主会话，用快速决策模型 Jev 维护一份所有 Agent 共享的事实清单，让 Agent 自己编写监控程序，并根据人工验收和实际花费持续调整任务分配。 值得一提的是，Comma 在这条路线上起步更早。今年 4 月 28 日，Comma 的前身 Bridge 公开发布，产品形态就是一个常驻的主 Agent 统一接收请求、把具体任务分派给子 Agent；6 月 3 日，固定的主对话与任务委派在产品中正式上线。作为对照，Anth
- 面向高质量算力。 近年来，AI 算力的赛道上从来不缺故事。 就连行业巨头英伟达也不能免俗。在今年柏林的 GTC 大会上，黄仁勋带着一群可爱的机器鸭 Microduck 亮相。小黄鸭们应声起立，坐下，翻跟头，一下子风靡全球。 黄仁勋说这些小黄鸭「在 RTX Spark 上诞生，在云端一堆英伟达超级计算机上训练，又在数字孪生里学会了本事」。 近日，天数智芯在上海举办了主题为「从模型到世界」的媒体开放日。这是这家今年 1 月登陆港股的通用 GPU 公司，上市以来首次系统性地向媒体展示产品全貌。 而「手搓版」Microduck 也出现在了开放日现场。这是通过 3D 打印和手工组装制作的机器鸭，在现场表演「走路、打盹、起身」等动作。 和英伟达方案不同的是，英伟达的小黄鸭训练仍然依赖云端算力的支撑。而天数智芯的小黄鸭，在一台端侧设备上完成了全部训练流程。 这是天数智芯最新端侧算力终端 彤央 TY1200 ，稠密算力标称值为 300 TOPS，实测性能超越英伟达 Thor T5000。 在现场，一台彤央 TY1200 终端，独立完成了从环境构建、策略训练到实时仿真的全流程，机器人在虚拟环境中学会行走
- 要让生成路径「走直」，首先需要按照数据所在空间的几何，定义什么是「直」。 本文作者分别来自内蒙古大学、上海财经大学和卡内基梅隆大学 (CMU)。第一作者贾啸寰是内蒙古大学博士生，通讯作者为内蒙古大学范少华研究员。上海财经大学的徐韧喆助理教授、王晓副教授以及 CMU 的博士生 Jiayun Wu 为论文的共同作者。 用流匹配（Flow Matching）或扩散模型（Diffusion Models）生成一张手写数字图像、一段 DNA 序列，通常需要从噪声出发，经过多步采样才能得到结果。每一步都要调用模型，生成质量逐渐改善，计算开销也随之增加。 能不能只调用一次模型，就完成整个生成过程？ 对于字符、二值像素和 DNA 碱基等离散数据，难点还在于：类别概率所在的空间具有自己的几何结构，生成路径该如何在这个空间里 “走直”？ 研究团队提出了 Rectified Statistical Flow（ReSFlow）：将类别概率映射到球面，在球面上重新配对并整流生成轨迹，让模型能够沿接近测地线的路径，通过一次更新完成生成。在二值化 MNIST 上，ReSFlow 一次模型调用就获得了接近 Stati
- 机器人在便利店的 24 小时直播结束了，但由真实场景牵引的机器人，才刚刚开始。 机器之心发布 11 月 2 日 10 时起，上海徐汇区一家正常营业的便利店里，店里的员工换成了 6 台智元精灵 G2 人形机器人。 它们各有分工：阿豪负责迎宾接待与顾客咨询，火宝承担取货补货，倦王巡视货架，咖少是专职咖啡师，叮酱负责收银与熟食服务，冷姐负责桌面清洁。 直播期间，门店照常营业，顾客照常进店，机器人连续作业 24 小时，从午高峰到晚间客流，从深夜值守到次日早高峰，四个班次一个不落。 考核标准完全比照真实门店：在岗时长、业务完成量、顾客评价，加上任务成功率、响应时间、异常处理能力，共同构成转正评分。 整体上看，机器人面对刁钻任务仍能应付自如，偶尔也有失手时刻。最终，四台机器人成功转正，冷姐和倦王因在岗积极性、岗位稳定性上的小瑕疵，暂未转正。 在习惯了 “完美收官” 的行业语境中，这个不加修饰的结果有些少见。机器人演示与部署之间的鸿沟，此前少有公开丈量。便利店 24 小时直播，正是智元将完整技术栈置于真实营业环境、接受全网监督的一次公开压力测试。 真实门店中的感知、操作与调度挑战 具身智能的评测长期
- 谁能把机器人变成整仓生产力？ 11 月 3 日，上海新国际博览中心，CeMAT 2026 现场人潮涌动，货架之间一台台机器人穿梭其中，展示着对货物的抓取、分拣与转运…… 仔细观察，一个明显的变化正在发生：原本属于物流行业的展会，俨然成了具身智能角逐实战能力的新擂台，宇树、星动纪元、自变量等众多具身智能玩家集体「跨界」涌入。 仓储物流，似乎正成为物理 AI 走出实验室、产业落地的「主战场」。 然而，真实仓储不同于实验室，对机器人提出了更高难度的挑战，海量 SKU 每天都在动态变化，商品的材质、形状、反光特性与堆叠姿态各不相同。 这意味着，具身机器人既要具备足够强的泛化能力，又要保持稳定的作业节拍。但现实中，厂商往往面临两难：要么具备泛化能力但动作迟疑、节拍过慢，无法满足商业生产节奏；要么动作敏捷但依赖预设示教，商品品类稍有变化即停摆…… 而在展台上，极智嘉展示了另一种可能。 搭载了 Gravity 具身模型的机械臂面对现场观众递过来的陌生物品，能随机应变，完成挑战…… 面对日化用品、瓶装饮料等不同类型的商品，通用人形机器人 Gino 1 都能够连续完成抓取、拣选，而且还能进行料箱搬运。整
- 有望帮助策略学习偏差纠正与受挫恢复，为更鲁棒的机器人操作提供支持。 用螺丝刀拧紧螺丝，听起来并不复杂。 但真正动手时，往往还要挪一点、转一点、退出来，再重新对齐。换成遥操作机器人采集数据，这个过程只会更考验耐心。即使是 “大国工匠” 般熟练的数采员，面对精细度要求极高的任务，也未必能一次交出从头到尾都足够丝滑的示范。一条最终成功的轨迹里，可能包含多次无效调整；一条最终因超时或碰撞而失败的尝试中，却也可能有几步对齐做得很好。 这给视觉语言动作模型的后训练提出了一个问题：如果数采员自己都很难采出一条近乎完美的轨迹，机器人应该向什么样的经验学习？ 浙江大学沈春华团队联合中国电信人工智能研究院（TeleAI）& 伽马智能白辰甲团队，围绕这个问题提出了 Graph-Reweighted Behavior Cloning（GR-BC）。 团队考虑的是另一种可能：一条更好的成功路径，未必完整存在于某一次示范中，却可能隐藏在多次尝试之间的连接关系里。把这些经验放进同一张图，能否先在图的 “脑海” 里找到一条更好的路，再由图担任裁判，指导机器人学习值得模仿的动作？ 目前，该工作已被 CORL 2026
- 「我训练了1亿参数模型，打败了720亿的LLM。」 人工智能先驱 Yann LeCun 一直主张「生成式 AI 是一条死胡同，世界模型才是真的未来」。 他认为自回归生成有数学上的硬伤，文本承载不了人类的大部分知识，真正的推理也不是基于优化的推断，衡量智能的标准应该是学习新任务的速度，以及零样本应对全新环境的能力。 基于这种观点，LeCun 寻求的替代路线是世界模型 + JEPA，一套目标驱动型架构。最近他提交的一篇论文向着这个方向前进了一大步，它从数学上论证了「next-token 预测路线效率低下」，还给出了自己的方法，用一个 1.09 亿参数的模型打败了 720 亿的 LLM。 一个只看图片的模型，与一个文本大模型，会不会在内部形成相似的「概念地图」？ 柏拉图表征假说（Platonic Representation Hypothesis, PRH） 由 Huh 等人在 ICML 2024 论文中提出，指在不同模态（视觉、语言）上分别训练的模型，随着规模增大其内部表征会越来越相似，最终收敛到同一个对现实的共享统计模型。这就如同柏拉图洞穴里不同的人看到了同一个「理念世界」。但它只有经验
- VAST 发布新一期 V・STAR 顶尖人才计划 机器之心发布 9 月以来，全球顶尖大模型几乎都在秀 3D。 从 GPT-6 Astra、Claude Opus 5.5 到 DeepSeek V4.1-Flash-1017、Kimi K3.1 Pro，三维创作正在成为展示模型能力的新场景：一句话搭建房间，用代码构造机械装置，甚至直接生成可以操作的 3D 网页。随着编程与工具调用能力进步，过去需要在多款专业软件之间辗转的工作，开始被串进一段自然语言驱动的流程。 当演示变成真正的创作，问题也随之变得具体。 角色能不能更像参考图？机械装置的部件能不能独立运动？生成的资产能不能顺利进入游戏引擎？第一版不满意，能否只修改其中一部分，而不必全部重来？ 10 月 30 日，Kimi 官方公众号发布了一篇 3D 创作教程贴，文中提到，对于适用于人物、动物角色、雕像、怪兽和复杂道具等精细建模的网格化建模，K3.1 Pro 等大语言模型「暂时还做不太好」，为了确保良好体验，在用户发起人物、动物等更适合网络化建模的任务时，Kimi 会自己整理好提示词与参考图，并调用 Tripo 等模型来完成。 这揭示了一个
- 混合架构为什么有效，以及怎样设计得更有效？ 本文第一作者柳潇然，复旦大学、上海创智学院 2022 级硕博连读生，导师邱锡鹏、何子薇。研究方向为长上下文大语言模型，曾在 ICLR、ICML、AAAI、EMNLP 等国际顶级人工智能会议发表论文十余篇。 背景介绍 长上下文已经成为大语言模型重要的基础能力，但长上下文也给模型架构带来了一个现实问题：全注意力能够直接建模任意位置之间的关系，却带来随序列长度显著增长的计算和显存开销；滑窗注意力和线性注意力更加高效，但效果上都存在明显的不足。因此混合架构逐渐成为当前大语言模型设计的主流。 面对滑窗注意力和线性注意力两类固定计算与存储复杂度的高效方案，混合架构应该采取全注意力与哪种的混合呢？复旦创智邱锡鹏团队的最新工作混合架构的长文力学 Mechanics of Long-Context Hybrid Models 给出了一个有趣的答案：我全都要。 论文从混合位置的角度，系统比较了基于 RoPE/NoPE 全注意力、滑窗注意力（SWA），以及 GLA/GDN 等门控线性注意力的混合架构在长上下文任务中的表现，并进一步分析了不同注意力的协同机制。 Pa
- 从「重置公司」到「token 公司」，Tibo 一语成谶 过去四周，OpenAI 的 Codex 用户几乎每隔一天就能收到一次额度重置。福利发到最后几天，账本收紧了。 OpenAI 帮助中心刚刚上线了一篇名为「Understanding ChatGPT and Codex usage limits」的文档，开头第一句就交代了变化：从 12 月起，Plus、Pro 和 Business 三档付费计划的用量额度，将在 ChatGPT 和 Codex 之间共享。OpenAI 给出的理由是，他们正在把 ChatGPT Work 的智能体能力并入 ChatGPT 的主体验。 https://help.openai.com/en/articles/20001625-understanding-chatgpt-and-codex-usage-limits 翻译成大白话：以前订阅 ChatGPT，网页里聊天和 Codex 里写代码各有各的额度，互不干扰；12 月之后，两者从同一个池子里扣。更大的变化在计量方式上，额度将统一按 token 计算，而不是按消息条数。唯一不受影响的是 Instant 聊天。
- 一个模型包揽导航、停靠、抓取，国产具身智能有新进展 机器人终于不只是知道往哪走，还知道该在哪里停、以什么方向面对目标，甚至停稳之后，就能直接上手干活。 听起来理所当然，但对机器人来说，这恰恰是一道长期存在的难题。 比如，让机器人收拾桌上的杯子。能走到桌边，不代表就能拿起杯子。底盘停得稍远一点，机械臂可能够不着；朝向稍有偏差，后续抓取也可能受到影响。 如何让机器人不仅走得到，还能停得准、拿得起，甚至完成更复杂的灵巧操作？ 最近，国内团队给出了一条颇有意思的新路线。 飞捷科思（Fysics AI）联合复旦大学认知与智能技术实验室（CITLab），提出统一世界动作模型 Fysiverse-UniWAM，尝试用一个模型，将自主导航、移动操作与固定工位灵巧操作三类原本相对独立的能力贯通起来。 更值得关注的是，这套模型没有走以大规模机器人预训练为起点的传统路线。 团队从预训练视频世界模型出发，通过共享骨干网络实现导航与操作的联合学习，并提出 MAP（Manipulation Anchor Pose，操作锚定位姿），构建了超过 150 万条轨迹、累计约 7500 小时的 MAP-Data 数据集。
- Anthropic订阅计划改名。 机器之心编辑部 刚刚，Anthropic 宣布对 Claude 订阅套餐进行更名。 原来的 Max 5x 更名为 Max，每月仍为 100 美元；Max 20x 则更名为 Ultra，每月仍为 200 美元。 现有订阅用户无需任何操作，价格与权益不变，名称自动切换。 完成更名后，Claude 的个人订阅套餐形成了 Free、Pro、Max 和 Ultra 四个档位。 同时，Anthropic 开始为已验证的 Ultra 账户解除 5 小时使用限制，大多数现有订阅用户将率先受益。 新注册的 Ultra 账户暂时仍受 5 小时限制约束，完成账户验证后，Anthropic 将通过邮件通知用户解除。 消息一公布，开发者 Theo 直接评价道「Huge!!!」。 还有网友表示，200 美元档位终于取消了 5 小时限制，Anthropic 最近的产品更新势头很猛。 Codex「重置之神」Tibo 则表示每周限额依然很严，不如直接改成每月重置更痛快。 「20x」为何改名 Ultra？ Claude 订阅产品负责人 Michael Overell 随后发帖解释了这次调
- 「你根本不会用内存。」 「从全球资源配置的角度来看，让每个人把紧缺的 DRAM 囤在自己电脑里大部分时间闲置，是『相当糟糕』（quite terrible）的安排，内存应该集中到云端数据中心去。」 话都说到这份上了。 本周四在接受 YouTube 频道 Cheeky Pint 的采访时，OpenAI CEO 山姆・奥特曼（Sam Altman）全程喝着啤酒，气氛轻松地聊了聊 AI 大模型的本地推理，以及由此延伸出的家用电脑内存不足的问题，不经意间爆典了。 我们知道，目前全球 AI 浪潮引发的内存涨价，已经让 PC 和手机的价格暴涨了一圈，个人消费者早已难以承受。与此同时，各家内存大厂的产能扩张还要等一阵子。就在前沿 AI 公司吃下内存大头的同时，他们却已经开始讨论起个人电脑中的内存是否得到充分利用。 奥特曼提到一个假设，即人们能够在自己的电脑上运行本地人工智能，这些电脑可能是他们已经拥有的，也可能是因为 AI 大模型技术兴起，他们想要组装的。他认为这是一个糟糕的想法。 「从全球资源分配的角度来看，让每个人都把全球有限的 DRAM 内存闲置在自己的电脑里，而使用率只有 5%，这其实非常糟