机器人需要一个「思考系统」：τ0-VLA让具身智能迈向长程任务时代
机器人需要一个「思考系统」：τ0-VLA让具身智能迈向长程任务时代2026 WAIC 刚刚落幕，具身智能无疑是最受关注的技术方向之一。
来自主题: AI技术研报
5306 点击 2026-07-27 16:09
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
2026 WAIC 刚刚落幕，具身智能无疑是最受关注的技术方向之一。
上周我们发了一篇Agent大横评的文章三家评测，结果评论区出现了一个高频问题： “字节的TRAE Work建议测一下。”
GPT-5.5能写专业论文，DeepSeek-V4-Pro能生成复杂代码，具身机器人能完成基础物理操作，语言智能和工具智能都已经跑出了自己的赛道。
过去三年，3D Gaussian Splatting（3DGS）几乎成为实时3D场景重建与新视角合成的“默认答案”。
7 月 24 日，Claude Opus 5 上线。几个小时之内，我看到各家媒体把这个模型的评测成绩转载了一轮，而更值得留意的是 Anthropic 内部人员当天发出的一条推文。
今天给大家开源一个我自己周末做完然后用的很爽的Skill。 我把它称为， Leader.skill。
装完 codex，很多人在输入框里敲的第一句话是这样的：帮我做个 XX 网站。
大家好，我是连续充值Codex Pro会员4个月的袋鼠帝。 不得不说，Codex是真香，一开始我还是100刀的Pro 自从GPT-5.6出来之后，已经改成200$的会员了。
一个前沿模型，被要求随机生成一个奇数。
凌晨，我在一片黑屏上按下鼠标。
上周，龙虾之父Peter Steinberger 发了一条推文：我们还在讨论 Loop，还是已经转向 Graph 了？
刚读了一篇 AI4AI 论文《AI4AI at Scale》，来自 XYZ Agentic Team。还是第一次听到这个 Lab。他们用 AI4AI 的方式做出了两个很强的搜索 agent，也公开了方法。借这篇 paper 讲讲 AI4AI 到底怎么工作，下面尽量少堆术语。
现在的 Agent 将所有的工程线索和垃圾噪音都一股脑扔进 Chat Context 里，缺乏一层独立、结构化的 Engineering State 来做隔离与控制。为了打破这个瓶颈，Valkor 联合浙江大学智能计算与软件研究中心、伦敦大学学院（UCL）软件工程团队正式推出并开源了 loom。
我们想强调的是：智能体 “跑得久”，并不等于 “具备长程能力”。真正的关键，不在于占用更多时间与算力，而在于能否在更长、更复杂、更真实的推理依赖链上持续、有效地行动。长期以来，Autonomous Agent、Self-Evolving Agent 等概念常与长程智能体混用。
SFT是LLM从“通才”变成“专才”的关键步骤。业界默认做法是：准备标注数据（QA对、指令-回复对等）在基座模型上跑SFT训练。看loss曲线收敛了→认为训练完成。但问题在于：loss是全局平均，掩盖了样本间的差异。loss收敛只代表“大部分样本学会了”——那些始终学不会的样本被淹没了。
以往的空间音频模型，要么受限于实验室的苛刻采集条件，要么被高昂的人工标注成本卡住脖子。而团队的核心洞察是：相机的自运动本身就是一种免费的监督信号。当相机转动时，声源在声场中的相对位置随之改变——这种变化无需人工标注，模型即可从中学习空间对应关系。这项工作入选CVPR 2025 Highlight，投稿论文前2%。
多模型Agent系统显然是未来的趋势。cursor 的一篇很不错的文章。他们的最新研究表明，将前沿模型作为规划者和协调者，与一个更廉价的“主力”模型搭配，可以大幅降低项目中总token的成本，从而实现 15 倍的成本改进。
停停停！Kimi K3的最佳打开方式可能不在Coding——用它做前端设计，才是真·Interesting。在Design Arena最新公布的单次生成前端榜单中，Kimi K3以1414分位列第一，力压Fable 5和GPT-5.6 Sol。
E-GRM的核心思路就是让模型自己判断输入复杂度——通过多次采样看答案是否收敛。收敛了就直接回答，不收敛再触发CoT。在RM-Bench、RMB、RewardBench三个基准上，约58%的样本被智能路由到“直答”，延迟降低62%，同时准确率还有提升。
根据IT桔子数据，截至2026年7月17日， 32家“商汤系”公司在上半年共完成28笔融资，累计融资额超过470亿元人民币，在中国AI融资市场取得了耀眼的成绩。其中，既有商汤科技自身通过“1+X”战略拆分出的子公司——曦望Sunrise、大晓机器人、商汤医疗等；也有大批从商汤离职创业的前高管所创立的公司
腾讯微信在论文 SkillHone 中，将这个问题归结为优化历史丢失，进而提出了面向持续 Skill 进化的开发框架。 SkillHone 把每轮诊断、候选修改、评估证据和最终决定组织成持久决策历史。同时，持续优化的对象也从单一的 SKILL.md 文件扩展到了整个 Skill 文件夹及其修改过程。
BigMac 是原生多模场景下的流水并行训练新范式。它针对多模态大模型训练中计算效率与显存占用难以兼顾的问题，提出了依赖安全的嵌套流水线：以成熟的 LLM 流水线为主干，在不打乱 LLM 执行顺序的前提下，有序嵌入编码器和生成器计算，从而在不增加 LLM 流水线空泡、保持激活显存有界的同时，高效实现多模态流水训练。
新智元报道 大模型变强，过去靠两条路。 做大——Scaling Law出现后，参数从百亿推向千亿，算力支出一路飙升。 想久——o1带火思考模型，用更长的思维链、更多推理时间换结果。 问题是，除了Sca
数据市场的故事，正在进入新一轮周期。来自企业真实工作流的 Real-world Data，成为越来越多 AI Labs 争夺的新资源。比如 GitHub 就是典型的 Real-world Data，它几乎完整保留了一个问题从出现到解决的全过程。相比之下，今天绝大多数 Human Data 公司提供的，仍是人为构造的数据。
当大模型 Agent 被部署到工具调用、长程任务和开放环境中，一个关键问题会随之出现：能否在不更新模型参数的情况下，将执行经验沉淀下来，并在下一次做得更好？
你可能已经在各种 benchmark 榜单上看过 GUI Agent 的 "大胜" 了。
如果要让机械臂把咖啡机旁的杯子移到桌上，需要经历哪几个步骤？
向ChatGPT问一个看起来挺简单的问题：“Lasha Talakhadze之前的奥运举重纪录是多少？”
记得何同学做过一个超复杂的流水线项目吗？
逛过WAIC具身智能展区的人，多半有同一个疑问： 都2026年了，机器人干活，怎么还是慢吞吞的？