Astra写的代码，人类已经看不懂了
Astra写的代码，人类已经看不懂了Astra，每天都有新新闻。昨天攻克 A，今天攻克 B，明天可能要一起解决 CDE……进步之快，让人目不暇接。而就算你目力过人，你可能也看不懂 Astra 在做啥了。
来自主题: AI技术研报
8620 点击 2026-09-14 10:22
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
Astra，每天都有新新闻。昨天攻克 A，今天攻克 B，明天可能要一起解决 CDE……进步之快，让人目不暇接。而就算你目力过人，你可能也看不懂 Astra 在做啥了。
新智元报道 你敢信？ 人没上大学，研究已经接上了「菲尔兹奖得主」的工作了。 就在今天，UCLA数学圈传出了一条让所有人震惊的消息—— 两名高中生Aayush Bathija和Prince Rohatg
同一套模型，换一个coding agent运行时，测试得分和实际消耗往往大相径庭。
MiniMax H3 的服务是一个系统问题。一个请求要经过一个庞大的 Qwen3-VL 编码器、一个长序列的音视频 DiT、相互独立的视频与音频 VAE、设备与进程的边界，最后还要完成 H.264/AAC 的封装。只优化 DiT，其余环节的时延依然留在那里。
物理AI，正在成为2026年全球人工智能最关键的赛道，也是未来之争。
当个性化Agentic RL遇上现实用户平台场景时，一直存在一个常见难点：面对同样的query，不同用户往往偏好不同的规划策略、工具调用和最终表达。
过去一年，具身智能的技术迭代明显加快。VLA、世界模型持续演进，强化学习重新成为机器人学习的重要技术路径，Sim2Real加速从仿真走向真机，全身控制能力也在快速突破。
如今的 AI 已经能顺畅地帮你写代码、跑实验、做评估。算法工程师的每一天，几乎变成了：让 LLM 整理昨天的实验结果，让 LLM 实现新想法，让 LLM 监控实验运行…… 似乎只需把需求告诉 AI，它就能完成大部分算法工作。
清华大学与北京邮电大学联合提出物理引导扩散模型Channel-Diff，将传播模型、阴影遮挡与多径几何嵌入条件扩散模型，实现无线信道多尺度RSRP预测，在两套真实数据集上相较次优方法分别取得37.19%和25.15%的综合性能提升。
Shengtao Guo、Ethan X. Fang和Junwei Lu署名的预印本论文宣称利用Odin Automatic AI Research Agent证明了悬而未决40年的Komlós猜想并给出常数界3√(2π)，次日陶哲轩等25位菲尔兹奖得主发表联合声明《AI在数学中的严重失准》，警告AI证明速度已远超学界验证与消化的能力。
浙江大学与上海交通大学团队提出Deep Academic Survey（DAS），通过Stateful Agentic框架与DAS-2M文献元数据库，可在1小时内自动生成面向发表的学术综述，在DAS-Bench 30个主题评测中平均得分4.34，并已开放220篇完整Survey供查看。
9月10日，生数科技在外滩大会发布面向灵巧操作的自进化通用世界模型Motus2，首次将策略、仿真器与评估器统一于同一模型，实现"行动—预测—评估—反馈"闭环，五项真机任务平均成功率84%。
针对世界模型定义的分歧，李飞飞将其分为渲染器、模拟器和规划器，朱军及生数科技团队则提出理解、想象、行动三项核心能力与五级进化路线图，Motus2通过策略、模拟器、评估器一体化架构推动机器人行动闭环自进化。
第一篇AI4AI综述论文将long horizon智能体、AI4AI与recursive self-improvement纳入同一研究地图，指出AI能在明确目标与评价规则下承担部分研发工作，但单项能力提升无法证明完整流程可靠，持续自我改进仍面临组合鸿沟等验证挑战。
清华大学AI Agent课题组提出加速扩散语言模型单元测试生成的框架DiffuTester，通过抽象语法树动态挖掘多个测试用例间的共享结构模式，在解码过程中保留相关token，在保持测试覆盖率的同时实现最高约2–3倍加速，相关论文已被EMNLP 2026接收。
openJiuwen首发双维度RSI框架，在WorkSwarm蜂群办公智能体上落地Harness与Artifacts双维度优化，支持科研论文和算法程序两类交付产物迭代，并依托昇腾算力亲和能力降低多轮优化的时延与资源开销。
北京航空航天大学与新加坡南洋理工大学联合在Nature子刊npj Robotics发表PhyFilter模块，借助机器人实时状态反馈与物理微分结构在线修正学习残差，使仅在平地仿真训练的策略可直接跨越石板路、草地、沙地与碎石路等多类未见真实地形。
趋境科技通过部署SGLang HiCache+Mooncake Store，将KV Cache从单机资源升级为集群级共享池化资源，支撑其日均产出超万亿Token的生产实践，KV Cache命中率稳定突破90%，并在生产环境中持续优化大规模推理集群的性能与稳定性。
Anthropic发布2026年9月威胁情报报告，指出AI滥用已从辅助工具升级为可自主运行的行动系统，覆盖非法模型蒸馏、零日漏洞自动化挖掘、多Agent集群滥用等七大风险领域。
大模型在直播场景模拟用户行为，理解真实的社交动态和风险演化，是当前一个非常热门的研究话题。
刚刚，DeepSeek 开源了 V4.1 Flash，原生支持视觉理解，也是全新架构系列中最小的一款模型，550B 总参数，输入时激活 8B，输出时激活 16B（你没看错，输入输出激活不同）
进入到 2026 年，可交互世界生成面对一道更难的考题：AI 生成的世界能否经得起用户反复探索？一扇门画得逼真，只是起点。往前走，它要自然靠近；穿过走廊再回头，它还应该留在原来的位置。用户每一次移动、转身和折返，都在检验模型是否有能力记住已经生成的世界。
近年来，视觉语言模型（Vision-Language Model, VLM）在图像理解、语义推理等任务中展现出了强大的能力。然而，当这些模型真正进入物理世界，让机器人根据一句自然语言指令完成自主导航时，仍然面临巨大挑战。
AI教师已经可以完成不少单次教学任务。
个性化在通用AI产品中一直是个加分项。无论是ChatGPT、Gemini还是Claude，还是今年的Openclaw、Harmes都把记忆和个性化当成核心卖点，理由是它能提高可用性、参与度和用户满意度。学术界对个性化的研究，也几乎全部集中在"如何做得更好、更准、更符合用户口味"上。
「麻烦你，帮我看一下。」
不得不说，国内Agent大战已经到了白热化阶段，就在昨天，小米也正式下场。开放桌面端应用：MiMo Desktop。目前是邀测阶段。
文章拆解了 Astra 模型与 Codex Harness 的配合方式：Codex 启动一个持续运行的代码环境，接入浏览器和桌面操作工具；Astra 通过无障碍模式读取界面中的文字、按钮结构，并通过截图综合判断。模型把准备执行的操作写成代码，交给 Codex 的工具完成。
If I Had One Bet on Robot Learning, I’d Bet on Cross-Entropy. 大语言模型的成功揭示了一个适用于一维序列数据的清晰 Scaling Law：通过自回归训练，并采用交叉熵（cross-entropy）目标函数预测下一个 token 的概率分布，模型能够建模非常复杂的语义概率分布，并随着数据规模和模型规模的增长持续提升性能。
AIGC相关创作中，多个LoRA合并到一起，画风串味、角色崩坏几乎是必然。