搜索
Agent Skills不应该只以SKILL.md、README或自然语言说明文档的形式存在，而应该被转成一种机器可检索、可检查、可治理的结构化表示。这是《From Skill Text to Skill Structure: The Scheduling-Structural-Logical Representation for Agent Skills》这篇论文的核心主张。
来自华为泰勒实验室、北京大学和上海财经大学的研究团队提出了 SHAPE（Stage-aware Hierarchical Advantage via Potential Estimation），给推理链装上了一套「里程碑 + 推理税」机制——不仅告诉模型每一步推得对不对，还让它为啰嗦付出代价。结果是：准确率平均提升 3%，token 消耗直降 30%。
AI科技评论独家获悉，卡内基梅隆⼤学机器⼈研究院（CMURI）博⼠后、悉尼⼤学（USYD）⻓聘助理教授WilliamZhi联合创办具⾝智能公司⸺ZenoAI（芝诺机器⼈），致⼒于打造通⽤全栈物理智能（Full-stackPhysicalAI），提供可靠的全⾝灵巧操作解决⽅案。
如何创建大规模的Physical AI数据，来加速Physical AI开发者的进展。我们采取的方法，本质上是用算力去换数据；
一年前，DeepSeek R1 横空出世，人们才意识到，真正让模型产生推理能力质变的，不必是更大的预训练规模 —— 后训练，用强化学习、过程奖励、闭环反馈，以极低的代价解锁了原本需要数倍算力才能触达的能力边界。
今天凌晨，Physical Intelligence发布了全新的VLA模型π0.7，狠狠敲了世界模型一记闷棍。π0.7第一次在机器人领域证明了Compositional Generalization（组合泛化），且VLA。
质量和成本只能二选一？通过大脑+小脑分层、场内+场外双轮驱动，数据堂给出了具身智能数据难题的解。
三月的Claude，不是在崩，就是在去崩的路上。状态页48条incident、major/critical事故窗口累计超44小时——这还是保守算法。更离谱的是，$200/月的Max顶配用户反映一小时不到就被限流，项目做到一半突然断供，零预警。推特上「60秒退订教程」疯传，开发者成群结队涌向Codex+GPT 5.4。但逃到对岸就安全了吗？OpenAI状态页显示：Codex三月也崩了7个小时。
苦于AI单字拼凑没行气，或是排版秒变“鬼画符”？
当LeCun和李飞飞各自拿下10亿美元押注世界模型时，一个更底层的问题浮出水面：谁来为Physical AI提供真正能用的数据？Ropedia给出的答案，不是更多视频，而是一部结构化的、来自真实世界的「经验百科全书」。