搜索
当大模型从“单兵作战”走向“多 Agent 协同操作电脑（Computer Use）”，如果队友 Agent 读了旧缓存报假消息、下发了互相矛盾的指令，甚至锁死了共享文件，主控 Agent 该听谁的？
统一多模态模型（Unified Multimodal Models, UMMs）通常为理解和生成分别使用不同的视觉表示：用 ViT 提取理解所需的语义特征，用 VAE 提供生成所需的潜变量。这样一来，同一张图像要以两种 token 进入上下文，视觉上下文随之变长；这种双流接口也不同于视觉-语言模型（VLM）常用的单一视觉流，难以直接沿用成熟的 VLM 预训练流程。
想象一项任务：把相机交给AI，让它进入一间从未见过的虚拟房间。没有预先给定的物体坐标，也没有替它安排好的参观路线。它需要决定朝哪里转、向哪里移动、何时再拍一张图，并最终说清楚各个目标物体在三维空间中的位置。
在电子游戏里，玩家拥有一项近乎无敌的特权——无限读档（env.reset）。
Google Cloud AI Research等团队发布T2J-Bench，以63个整仓任务评测Coding Agent将PyTorch迁移至JAX的行为保真度，并提出TwinHarness，使Claude-Code与opus-5组合的总体得分从0.649升至0.723，相对提升11.4%。
阿里数据团队基于117个模型技术报告筛选158个评测基准，提出基准健康指数（BHI），按能力区分度、抗饱和度和影响力诊断基准，论文获NeurIPS 2026 Evaluations and Datasets Track（Oral）录用，Humanity's Last Exam（HLE）综合第一。
清华大学张强教授团队联合北京清屿科技、香港大学和北京怀柔实验室提出EvoSim，使AI从实验偏差中追查机制、修订方程并积累建模方法，并在电池快充析锂与动态电压预测场景完成验证。
超进化智能（HyperVolve）完成由蓝驰创投领投的数亿元人民币天使轮融资，将以RSI为关键技术路径研发具备元研究能力的研究基础模型，资金主要用于算力与训练基础设施建设及核心研发团队扩充。
清华大学研究团队提出动作级在线蒸馏ActionOPD，在学生实际访问状态下以语义动作监督策略优化，使轻量Agent学习教师决策而非模仿Token，并支持黑盒接口、跨家族蒸馏及Self-ActionOPD自蒸馏。
刘锋博士研究团队基于广义智能体理论提出仍属初步设想的AI「鲁滨逊测试」，通过分阶段撤离人类维护和任务指令，观察AI能否自主维持、探索资源及形成源自自身的控制。