搜索
贝塞默（Bessemer Venture Partners）与贝恩（Bain & Company）联合发布的《The 2026 Healthcare AI ROI Scorecard》显示，AI医疗平均回报达3.5倍，RCM以4倍ROI领跑，临床应用和药物临床开发回报则相对较低。
阿里巴巴Accio团队、复旦大学和上海创新研究院提出Neos，通过数据构造、过程信用分配和MEI协同进化训练轻量多模态搜索模型，Neos-35B十项基准均分64.7，逼近Gemini-3.1-Pro的67.1分，Neos-9B平均工具调用减少约32%。
Deepnote发布Agent Initiative Benchmark评测称，OpenAI包揽前二，GPT-6.1 Sol以8.65分、每任务0.11美元成为性价比最高者，Anthropic Fable 5.2成本高17倍但得分更低。
UniPat AI牵头推出Science Prediction Universe（SPU）湿实验预测基准，以116个任务、4207个实验评测12款前沿模型，首轮Claude Opus 5.5平均分最高但仅约半数任务超过随机水平，GPT-6 Astra推理强度升至最高也未显著提分。
南开大学联合中关村学院团队提出AI4AI综述，指出研究自动化不等于研究决策自动化，并以搜索方向、搜索空间和评价信号三项决策构建L0–L3控制来源框架，区分AI在研究中的自主程度。
中国科学院自动化研究所、美团等机构推出LLM Agent递归自我改进综述，以Prompt、Memory、Skill和Harness四条主线及When、Where、How三问、七步生命周期，梳理Agent将交互经验转化为可验证、复用且持续维护的改进机制。
北京大学知识计算实验室（KCL）与腾讯微信安全技术团队联合发布综述论文《Pandora's Toolbox》，从来源、编排、执行和持久反馈生命周期系统梳理通用智能体安全风险、攻击、评测与防御技术，并提出统一分析框架。
Bake AI联合Hugging Face、斯坦福大学等推出RSI Arena实验并提出RSIHF框架，发现模型自主后训练中人类偏好、基准能力与安全性并非同步提升，须分别评估并持续引入人类反馈。
姚期智、杨植麟等发表论文并开源TCSExam基准，GPT-6 Astra以71.9分居首、Kimi K3.1 Pro得57.4分，所测模型均未独立攻破30道开放猜想，但部分数学结果刷新了既有边界。
Robocurve的RoboSpoof评测显示，GPT-6 Astra、Claude Fable 5.1等五款多模态模型控制真实机械臂时，画面模糊或AI篡改使危险任务总体尝试率从27%升至约88%和97%。
香港科技大学 MMSense Lab 的 Visual-Native Agent Harness 通过为图片编号实现跨工具复用，并提出 On-policy Data Evolution（ODE）按 rollout 动态调整出题规则，使 8B 模型八项评测平均准确率从 24.9% 升至 39.0%，该工作获 NeurIPS 2026 接收。
北京大学林宙辰团队在TPAMI-26发表综述《Deep Time-Series Forecasting in 10 Years: A Survey》，以自相关建模统一梳理近十年时序预测的骨干架构与损失函数，并展望真实场景与变量依赖建模方向。
清华大学团队以智能体视角发布具身智能综述，提出Agentic Embodied Intelligence（AEI）系统框架，涵盖模型、基础设施、安全、数据与评测，并以L0—L5自主性层级和在线认知闭环刻画人机责任及自主系统路径。
月之暗面（Moonshot AI）创始人杨植麟联合清华大学及图灵奖得主姚期智团队推出TCSExam，以机器核验的科研交付物评测大模型，GPT‑6 Astra居Full榜首，开放猜想有效解答仍依赖联网检索改编。
斯坦福研究团队让GPT-6 Astra直接修改π₀.₅机器人策略的65行词嵌入，将765条留出指令的整体成功率从86.3%提升至92.0%，但仍有4个回合退化且结果仅限仿真。
上海交通大学赵海教授团队在arXiv发布BriLLM-MetaPred，首次将AGI数学理论推导的MetaPred原语落地为可运行语言模型，其在约13.2M参数规模下的预测性能与同规模GPT基线相当。
清华大学人工智能学院提出面向 Coding Agent 的 observation 压缩方法 CoACT，在 SWE-bench Verified 的三个 Agent 模型上平均减少 33.0% 总 token 消耗且 PASS@1 与未压缩时相近，该工作获 ICSE 2027 直接接收（Top 5%）。
Real2Sim2Real 为此提供了一条路径：将真实场景重建为仿真环境，在其中生成示范、训练策略，再将技能迁移回真实机器人。但要让这条路径支撑人形机器人的全身操作，仍需跨过两道门槛。
DeepMind深夜又甩出王炸了！
SoloPi 是一套面向移动端研发的开源自动化与 AI Harness 工程。它保留了 SoloPi 在 Android 真机上的录制、回放、断言和性能诊断能力，并增加 Agent 接入、动态页面安全执行、独立结果 判定、无人值守托管和同次运行证据，让一次设备操作可以交付为可进入研发与 CI 流程的结论。
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。
现有的具身智能体大多存在一个结构性缺陷：它们是“任务驱动”的。接到指令，启动推理与工具调用；任务结束，系统归于沉寂。这种离散的交互模式，导致智能体缺乏对环境的持续感知，也没有跨时段的长程记忆。
Oh My Hermes（OMH） 不是一个新模型，也不是 Hermes 的替代品。它是加在 Hermes Agent 上的一层运行层：你照旧跟 Hermes 说话，它把每件事拆成几条 lane，每条 lane 配一个「带技能、带模型、带推理档位」的同事，并行去干。
「刚才是谁说，打算种花？」
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。