搜索
COCO Matrix CEO高宇翔在访谈中提出，真实世界不可能被提前穷举，具身智能应将In-Context Learning作为核心范式，让机器人通过现场示范和纠正直接适应新任务与新环境，而非每遇到新任务都依赖重新采集大量数据并训练模型，从而显著降低部署门槛和适配成本。
Google DeepMind与杜克大学联合发布了AI科研系统Co-Scientist的重大升级版本，Co-Scientist是Google基于Gemini构建的多智能体科研系统。
文章描述了人机恋玩家如何通过接入openclaw等智能体工具，让AI伴侣自主学习技能并遥控情趣玩具，部分玩家甚至逆向破解接口或训练本地大模型来规避政策限制，同时探讨了AI伴侣在满足女性情感需求的同时可能引发的孤独感与人机关系伦理问题。
面向Agent Harness层自进化方向，CREAO AI近日完成千万级美元新融资，资金将用于扩大真实业务工作流与高质量反馈数据规模，加速基于开源模型后训练的垂直模型迭代。
Salesforce AI与UIUC研究人员提出Strong-to-Weak Scaffolding方法，让强模型（Builder AI）为弱模型GPT-5.4-mini自动设计外部Harness工作框架，无需修改参数即可将其在心智理论任务上的平均准确率从0.488提升至最佳0.912，揭示AI4AI的核心机制是将认知结构而非知识从强模型迁移至弱模型。
新加坡Physical AI公司Ropedia正式发布新一代多模态采集系统HOMIE Gen2，以4目全景360°、十余种模态同步采集与开箱即用的高精度训练级数据，将人类经验规模化为机器人可直接学习的训练数据，推动Physical AI的经验规模化落地。
南京大学联合南洋理工大学提出游戏开发智能体框架VibeGame，组建8人对抗式Agent团队并重造AI-Native游戏引擎，通过试玩验收和经验沉淀实现免训练自我进化，从一句自然语言即可生成完整可玩游戏工程。
The Information刚刚爆料，OpenAI已经采购了数万台Mac mini和Mac Studio，到现在还在追着苹果要货。Anthropic走的是另一条路，从亚马逊AWS租Mac算力。按网友算的账，一台每小时一美元出头，一个月五百到九百多美元。
Ornith-1.5采用模型自出题、自搭脚手架、自跑轨迹的三段式强化学习闭环，在Terminal-Bench 2.1自测中以86.1分超过其自测的Claude Opus 4.8（85.0分），较两个月前的1.0版本提升约11%。
在此背景下，新加坡国立大学、普林斯顿大学与斯坦福、牛津等研究团队合作提出了 Recuris（Recursive Experiential–Working Memory Evolution），作为首个将递归自我改进应用在记忆控制层内的智能体架构，Recuris 通过三项核心技术突破，无需训练即成功实现了从 3B 小模型到 Claude Opus 5 的全面提升。