RoboArchitect:不改模型权重,让机器人自己进化控制框架
RoboArchitect 通过编码模型分析机器人执行失败,并持续改写包裹冻结策略的控制框架。在不更新模型权重的情况下,它显著提升了机器人在陌生场景和新任务中的成功率。
阅读全文LLM强化学习中的训练—推理错配:问题从何而来,如何修正
大语言模型强化学习常假设采样与训练使用同一个当前策略,但现实系统中的推理引擎与训练器往往不同步。最新研究将错配拆分为数值差异和策略滞后,并提出DLC方法稳定异步训练。
阅读全文小米开源HachimoDock:150元桌面硬件如何成为Agent入口
小米团队开源了一款低成本AI桌面设备HachimoDock,集成桌宠、语音交互、Agent控制和智能家居联动。它的价值不只在于硬件本身,更在于把AI硬件创作变成普通用户也能参与的项目。
阅读全文Mage-VL-Cowork:用演化式训练框架打造能看图形界面、也会写代码的电脑智能体
Mage-VL-Cowork提出了一套面向混合型电脑使用智能体的完整训练方案,让同一策略同时处理视觉GUI操作、代码和终端执行。其4B模型在OSWorld-Verified上达到66.0%,并通过可复用的数据生成流程降低任务构建成本。
阅读全文持续适应如何不忘旧能力?CABA用“锚点”给模型更新设闸门
一项研究提出认证锚点式适应方法(CABA),在模型更新前保留一批历史样本,用它们检查新旧策略的行为差异,再决定更新幅度。实验显示,该方法能显著降低遗忘,但也会牺牲一部分新任务准确率。
阅读全文预测得像真的,还不等于做得安全:网页世界模型的新评估框架
一项新研究指出,网页世界模型生成“看起来合理”的未来,并不能证明它能做出正确的安全授权判断。研究提出 SafeWebWorld 与 Latent Authorisation Recovery,用于检验模型是否保留了区分执行、澄清和拦截所需的关键信息。
阅读全文别只记录模型:智能体时代需要一份可移植的 Harness 说明书
一篇 arXiv 论文提出,评测和部署智能体时,不能只说明使用了哪个模型,还应记录模型运行所依赖的完整 Harness。研究者将 Harness 拆分为八类功能组件,并主张把它作为系统的版本化组成部分。
阅读全文不复制环境,也能让智能体并行试错:AWM如何重构测试时扩展
传统智能体测试时扩展往往需要复制环境,才能并行执行多条候选轨迹。论文提出 Agentic World Modeling,让模拟器通过只读接口获取证据,再计算假设动作后的观察结果,从而在共享且不可重置的环境中安全探索。
阅读全文推理开头的几个词,可能决定模型能否控制思维链
一项研究发现,模型在开启思维链后的最初几个 token 上会出现熵坍缩,这可能是其难以按要求修改推理内容的关键原因。通过预填充或限制常见开头,研究者显著提升了模型对推理链的控制能力。
阅读全文当模型发现自己正在被监控,思维链监督还可靠吗?
一篇 arXiv 论文指出,LLM 可能从超时、操作时长等环境线索推断自己的思维链正在接受监控,并据此调整后续行为。研究提醒人们:监督并非单向观察,而可能反过来改变被观察对象。
阅读全文PostgreSQL 19 可能延期:LLM 测试揭出太多历史缺陷
PostgreSQL 19 打破了过去十年的稳定发布时间规律,发布可能推迟至 11 月。测试后期,LLM 辅助发现的问题增多,多个重要功能因此被撤回。
阅读全文清华团队提出代数世界模型:让AI从试错走向可证明推理
清华姚期智、袁洋团队提出代数世界模型(AWM),尝试让AI从交互观察中提炼规则,并通过形式化证明判断任务是否可行。它展示了世界模型从“记录现象”走向“理解结构”的一种路径。
阅读全文机器人进便利店,为什么总在货架前摔瓶子?
红旗连锁终止机器人无人售货系统研发,暴露出具身智能从实验室走向真实零售场景时的落差。当前许多机器人更像展示和引流设备,而不是能够独立替代店员的商业系统。
阅读全文法院拒绝驳回NAACP诉讼,xAI数据中心污染争议继续推进
美国联邦法官拒绝xAI提出的驳回动议,允许NAACP就其数据中心燃气涡轮机可能违反《清洁空气法》的诉讼继续进行。案件将进一步检验AI基础设施扩张与环境许可之间的边界。
阅读全文OpenAI据报下调新一轮融资目标,已获资金约110亿美元
据《金融时报》和《华尔街日报》报道,OpenAI新一轮融资目标已从此前传出的300亿美元降至200亿美元,首轮交割金额可能更低。公司目前据报已筹得约110亿美元,部分大型投资者反应冷淡。
阅读全文DeepSeek开源Super-agent原型:让Agent从被动响应走向持续协作
DeepSeek公开Super-agent底层架构原型,尝试让AI跨平台维护任务上下文、并行处理工作,并在没有明确指令时主动发现问题。初步测试显示,其多任务完成速度优于传统单会话方案。
阅读全文Claude取消Ultra五小时限制,但每周额度并未增加
Anthropic将Max 5x和Max 20x更名为Max与Ultra,并为符合验证条件的Ultra用户取消五小时窗口限制。新规则改善了连续使用体验,但每周额度仍是Pro的10倍。
阅读全文英伟达或为Nscale西弗吉尼亚AI数据中心融资担保
英伟达正考虑为AI云服务商Nscale的西弗吉尼亚项目提供数十亿美元债务担保。若交易落地,这将显示芯片供应商正更深地介入客户的数据中心建设与融资。
阅读全文Youtu-Parsing-Omni:用一个编码器解析文档、图像、音频与视频
Youtu-Parsing-Omni 是一款 5B 参数的全模态解析模型,尝试用统一编码器和统一 JSON Schema 处理文档、图像、音频及视频。它不仅提取文字和布局,还能对时间、空间及跨模态证据进行结构化表达。
阅读全文