SLA登顶RoboDojo真机榜！港科广联合欧拉万象，让机器人更懂三维空间
SLA登顶RoboDojo真机榜！港科广联合欧拉万象，让机器人更懂三维空间把空间理解放进基础模型的持续学习过程，机器人能否更好地应对现实中的变化？
来自主题: AI技术研报
7237 点击 2026-11-12 15:37
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
把空间理解放进基础模型的持续学习过程，机器人能否更好地应对现实中的变化？
Coding Agent写代码的能力越来越强，写测试的能力也在同步提升。从为函数补单元测试、为GitHub Issue编写复现用例，到为整个代码仓库构建回归测试，Codex、Claude Code等前沿Coding Agent已经能够浏览仓库、修改实现，并借助执行反馈不断修正测试。
在机器人操作研究中，视觉语言动作模型（Vision-Language-Action，VLA）与世界动作模型（World Action Model，WAM）为机器人提供了不同的动作生成路径。但当任务从一次抓放延伸到连续搭建与双臂协同，决定成败的就不只是眼前这个动作能否完成，还包括此前建立的条件能否一直支撑后续执行。
谷歌具身RSI新成果来了！
机器人正迎来自己的 Computer Use 时刻。
设想一个客服系统，每秒涌进成百上千条用户请求。
工业推荐的优化重心，已经从单一交互指标转向整体eCPM（每千次曝光收益）。
11 月 10 日，Anthropic 发布新一代模型 Fable 5.2，再次将通用大模型的物理行动能力推向新的高度。
改变 RSI 的基本演化单位，从任务转变为能力，有望从针对具体任务的局部优化，走向跨任务、跨模态的持续演化。
Scaling up 是大模型的标志，也引领了近几年语言模型技术的飞跃。然而实际上，大语言模型架构，作为其最本质的计算基础，也在近年来持续发展。
热门视频一键仿拍。
近日，Milvus 3.0 正式接入英特尔 SVS Vamana 内存图索引。
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。
继 Apex-35B-V1.0 凭借领先 Flint 的表现引发关注之后，开源 RSI 模型又迎来一份亮眼成绩单：REMORY 仅凭一个 1.9B 的记忆模块，用两张 H800 实现完全自监督训练，在多项关键评测中领跑；驱动小模型持续数日递归改进，产出接近 GPT-6.1-Terra。
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？
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。
总参数量1.6万亿，每个Token激活约480亿参数。
智能体正从单打独斗走向多智能体协同。
论文中的一道菜单题，看起来只需要做一次简单加法：一张 Funghi 披萨 6.90 欧元，一张 Prosciutto 披萨 7.90 欧元，总价是多少？
Kimi 刷新 629 条边图论参考纪录，只多加了1条边，为什么数学界等了这么多年？
又一次，通用大模型在机器人操作领域展现出了惊人的潜力。今天，Anthropic 最新旗舰 Fable 5.2 亮相了！
说真的，即便强如新出的GPT-Image 2.6，遇到连续编辑100轮图像这种高压任务，也得大喊那句“名人名言”： 我画地为牢啊，厉娜！
你的同事用Agent整理报表，一路顺畅。你用同样的模型、工具和流程，换成自己的文件，却开始反复试读、频繁返工。
旁边车道的车突然加塞，自车赶紧减速避让。
AI 能逼真地 “搭出” 一个世界，就能准确预测它如何运转吗？GPT-6 Astra 展现出的场景建模能力令人印象深刻。但几何与外观的逼真还原，并不意味着对物理规律的准确把握。避免物体穿模、借助语义先验估计物理属性，与准确推演物体运动之间，仍有距离。后者还需要进一步识别质量、摩擦系数和阻尼等难以仅凭外观确定的属性与参数。
把一只马克杯挂上杯架，动作的成败往往在第一次接触时就已埋下伏笔。
物理规律有时很反直觉：物体的运动速度不能超过真空光速。我们能否当一回「造物主」，构建一个物理规律不同的「异世界」，让大模型自己发现异常、提出问题、做实验、找规律？这让我们想起王阳明的「龙场悟道」。于是有了 LongChang（龙场）：在玻璃房里改写物理规律，让模型自主探索、认识自己的世界。
毫无预警，Anthropic深夜丢出了下一代旗舰Fable 5.2，直接杀入了物理世界。
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。
在大型语言模型（LLM）的无损推理加速中，推测解码（Speculative Decoding）已成为工业界标配。以 EAGLE-3 为代表的自回归草稿模型虽然预测准，但每多猜一个 token 就要多跑一步串行前向；而受扩散语言模型启发的 DFlash 将草稿生成彻底并行化 —— 一次骨干网络前向即可同时吐出整块候选 token，大幅压缩了起草耗时。