搜索
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。
大晓机器人联合南洋理工大学S-Lab发布世界模型Mundo，通过照片重建可探索、可交互的物理环境，并支持多款机器人训练及酒店场景实测。
来自新加坡国立大学、可灵 AI 和香港科技大学的研究团队提出了 DiffusionART，一种面向图像和视频生成的在线 Diffusion RL 算法。该方法支持采用 ODE 采样，不要求奖励模型可微，也无需额外调参，可自然适配标量奖励、二值偏好奖励等多种奖励形式，具有极高的样本效率。
设想这样一个场景：给机器人下达一句自然语言指令，让它穿过走廊、接连转弯，最终走进指定房间。视觉语言导航（VLN），需要让机器人结合沿途看到的画面，把人类的语言指令转化为一连串连续行动。
一个充电器，一根缠成一团的线。