你的世界模型知道动作有后果吗?
该文指出当前具身世界模型的指标多关注输出质量,却忽视了对反事实动作后果预测的保真度审计。作者提出利用敏感性分析检查模型对动作扰动的强制响应,以评估其预测能力,并强调硬件部署需建立新的评估框架来平衡状态误差与准确的敏感性预测。材料为 CoRL 2026 研讨会论文,未涉及具体产品发布或真实机器人部署结果。
推荐理由:提出通过敏感性分析审计世界模型对反事实动作后果的预测保真度,为硬件部署前的评估提供新框架。
该文指出当前具身世界模型的指标多关注输出质量,却忽视了对反事实动作后果预测的保真度审计。作者提出利用敏感性分析检查模型对动作扰动的强制响应,以评估其预测能力,并强调硬件部署需建立新的评估框架来平衡状态误差与准确的敏感性预测。材料为 CoRL 2026 研讨会论文,未涉及具体产品发布或真实机器人部署结果。
推荐理由:提出通过敏感性分析审计世界模型对反事实动作后果的预测保真度,为硬件部署前的评估提供新框架。
Genie Sim Benchmark 通过配对真实 - 仿真任务及系统辨识研究进行评测。在涵盖 16 个任务名称的 22 对机器人任务中,基于真实机器人数据微调的策略实现了描述性分数相关性 0.9686、MAE 0.0405、RMSE 0.0520,仿真与真实的差异范围为 -0.110 至 +0.080。
该论文基于 CARLA 驾驶模拟器中的循环状态空间模型世界模型与主动推断规划,识别出后验(观测过滤)状态保留障碍物信息而想象出的先验状态逐渐丢失的“后验先验差距”。
Ropedia Xperience 2 是一个包含 1,589 个米级 3D 扫描和 4,230 段第一人称视角录制(涵盖 74 项任务,共 131 小时)的数据集。
推荐理由:该工作提出将环境采集与行为演示结合作为物理 AI 数据金标准,并展示了从真人动作到机器人轨迹的转换方法。
论文研究了决策模型在长视界智能体中作为行动者、裁判者和教师的三种角色。实验发现,即使模型在执行任务时表现不佳,只要能在回合结束后准确评估动作后果,就能有效区分有用与无效的动作。作为教师,JEV 模型利用这种能力将 Qwen2.5-1.5B 策略在 ALFWorld 和 WebShop 上的成功率分别提升至 82.9% 和 71.4%。代码已开源。
推荐理由:研究对比显示,即使作为执行者表现不佳的决策模型,在评估动作后果或指导强化学习时仍能有效提升策略成功率。
论文分析了多智能体语言模型的评估实践,发现现有比较常将通信架构优势与样本多重性及推理计算混淆。研究合成九项包含 516 种配置的实证评估显示,在与基线匹配样本数或资源预算的可比对比中,多智能体系统平均准确率低于基线。
上海 AI 实验室与奉贤区携手推出国内领先科学智能基座“书生·端砚”,聚焦美丽健康产业挖掘线索、生成候选及预测配方三大能力。该平台打通干实验与湿实验形成自迭代闭环,内置可信溯源机制,将助力入驻企业如自然堂、尚美压缩研发周期并降低试错成本。
该研究针对大模型智能体任务交替进行推理与环境交互的特点,提出了协调优化方案以减少批处理总耗时(makespan)。方法包括利用工作负载资源模型指导 GPU 显存分配、轨迹感知调度以复用缓存、以及在环境容量受限时将样本准入与执行解耦并引入链推进动作调度。
针对自主智能体候选修改可能隐藏性能退化问题,研究提出 Evidence-Governed Evolution (EGE) 框架,将生成与确认采纳分离。该框架通过冻结候选体的新鲜配对审计、要求预定义目标显著改进及参考相对非劣性测试来保护声明能力。蒙特卡洛压力测试仅作为统计实验演示校准效果,未验证部署智能体安全或任意分布偏移下的鲁棒性。
NVIDIA 推出 DSX AI Factory,解决在 Dynamo、Kubeflow 或 Slurm 等平台上部署 AI 负载时无法追踪实际运行内容的可视性问题。该方案弥补了仅依赖配方文件无法确认各节点具体工作负载状态的局限,确保团队能清晰掌握独立定义和更新的负载实例。
MuJoCo 于 2026 年 11 月 11 日发布 4.0.1 版本,修复了 4.0.0 中因合并不同后代行导致的稀疏 Cholesky 分解错误。该更新还通过自动安装 `mujoco-studio-wasm` 轮子,使 Windows 用户能在本地运行 MuJoCo Studio Web Viewer。此外,插件加载失败将仅发出警告而不再中止仿真启动。
上海 AI 实验室发布元认知智能体框架书生·太一(Sage·Taiyi),旨在解决科学探索中缺乏持续反馈闭环的问题。该框架通过科学搜索与认知调控协同,将科研猜想、路径与实证串联,驱动智能体在方案生成时动态迭代认知。
推荐理由:上海 AI 实验室推出元认知智能体框架书生·太一,在跨学科科学构思评测中八项指标领先,并已在有机化学、材料设计等领域支撑真实科研闭环。
针对稀疏终端奖励导致信息缺失的问题,本文提出 WM-PPO 方法,利用训练于真实交互的世界模型预测动作后的观测,由价值网络对预测后继状态进行估值以指导策略优化。该方法在无需教师信号或特权信息的情况下,仅在推理阶段使用策略网络,在 ALFWorld 和 ScienceWorld 基准上将成功率分别从 63.5% 提升至 87.5%,从 39.3% 提升至 52.9%。
该论文提出 Einstein World Models(EWMs),这是一种基于大语言模型的推理系统蓝图,旨在通过引入视觉时序推演来增强复杂思考能力。在 EWM 架构中,LLM 调用世界模块生成场景的短时序推演结果,这些结果不作为直接答案,而是作为可检查的反事实假设以支持后续推理过程。该工作将工具调用能力扩展至视觉思维实验领域,探讨可视化反事实事件是否能作为语言之外的复杂思考机制。
针对端到端视觉控制器的闭环行为难以验证问题,本文提出确定性世界模型(DWM)和动作引导分区验证方案。DWM 仅从物理状态生成图像,无需潜在变量解码器;结合动作引导的分区策略,在固定计算预算下显著降低未知区域比例。实验显示该方法比 cGAN 代理更准确,鲁棒性区间收窄 1.9 至 69 倍。
HaiRuo 模型从 30 天卫星海平面图中单次前向传播,同时输出 15 天海平面、地转流速及每日涡旋掩膜与轨迹。其核心组件 HaiRuo-1B 为无标签预训练的 10.5 亿参数基础模型,在相同解码器下将 15 天中心误差从 30.6 km 降至 25.2 km(-18%),并在厄尔尼诺 - 南方涛动周期内保持优势。开源权重、代码与项目页面已公开,支持跨六个骨干网络的物体注意力机制优化。
Alexander A. Wolf 在 arXiv 发布预印本论文,引入振荡处理单元(OPUs)概念,即共享节律的合成神经元组。该架构通过定向交互将输入活动与先验状态转化为振荡占用空间(OOS),支持逻辑数值运算、联想回忆及固定权重下的闭环决策。研究建立了测量关系图谱以支持响应类预测,旨在为生物仿生智能提供经验保留于状态中的计算基底。
针对视频世界模型训练中动作监督稀缺且难以扩展的问题,本文提出 OnlyAct 方法。该方法不从头学习动作空间,而是利用预训练基础模型(V-JEPA)帧对嵌入中已包含的动作信息,通过无标签对比适应框架在保留场景不变性的同时提取动作表示。研究在机器人操作、相机导航、游戏和驾驶等基准上进行了统一评估,结果显示其生成的世界模型能将演示动作更忠实地迁移到新场景中。
针对现有系统缺乏对信息收集过程有效性的监测问题,本文提出了 Acquisition-State Telemetry (AST),一种无需训练即可评估信息获取状态的架构。
推荐理由:提出无模型架构 AST,通过实时监测信息获取摩擦与进展信号,帮助自主系统在任务完成前识别无效停滞并优化策略。
针对预训练潜在世界模型在部署时因物理动力学改变而失效的问题,本文提出一种无需修改预训练权重或识别具体参数变化的少样本残差适应方法。该方法通过自监督学习从潜在预测误差中获取修正项,同时应用于潜在预测器内部及其预测的潜在状态,且保持预训练世界模型冻结。
推荐理由:该文提出一种冻结预训练权重的少样本残差适应方法,在质心与摩擦变化场景下恢复机器人控制成功率。
针对行星漫游器轨迹规划中难以追溯科学目标的问题,研究提出一种基于大语言模型的交互式助手。该系统结合 NASA VIPER 任务启发的仿真器与 ReAct 接口,在查询库测试中回复忠实度达 90.9%,较无工具访问的零样本提示提升近 65%。实验表明该架构能利用领域词汇解释规划结果并对比替代方案,为不确定性感知路径提供可信的可解释性验证。
论文提出一种部署适配方法论,用于在主动传感中选择贡献新表面测量的视角。该方法通过从有限本地校准数据中学习传感器返回适配器,在保持预训练预测器固定的情况下估计每个预测表面的测量丢失率,从而优先选择能填补重建间隙的视角。
ASPIRE 是一个由大语言模型智能体主导的非线性系统辨识框架,能自主构建闭环静态或动态模型并验证物理约束。该平台在移动机器人、干摩擦旋转系统及发酵罐三个实测对象上完成 30 次运行,全部产出有效模型且单次成本介于 0.96 至 3.38 美元。评估显示其文档与结构选择满足 150 项指标中的 132 项,但部分模型存在关于结构选择的声明不准确问题。
论文介绍了 GTAGym 环境及 GTAVBench 基准,包含源自 GTA V 主线剧情的 103 个在线任务及 47 个射击狙击子任务。作者构建了支持截图与键鼠操作的自动状态检查接口,并测试了六款前沿大语言模型在文本指令及仅首图指令(AGI 分支)下的表现,最佳配置在 AGI 分支达到 70.9% 准确率。
美国机器人公司 Path Robotics 宣布完成由 Georgian 领投的 3 亿美元 E 轮融资,投后估值达 24.5 亿美元(约合人民币 164 亿元)。
Continual-ARC 是基于 ARC-AGI 构建的终身任务流,用于对比记忆型与权重型系统在无需领域知识下的技能获取。实验在 Qwen3.5-9B 和 GLM-5.3 Flash 上运行,发现单纯缓存演示的基线优于多数 harness 方法,且无 harness 方法能提升未见任务泛化能力。该研究为未来基于权重的持续学习及模型自主驾驭新领域打开了可能性。
该报告介绍了互惠世界模型(RWM)及首个版本 Duo v1,旨在实现感知与响应的实时双向交互。系统通过自回归建模处理连续交互推理,并引入意图生成与行为实现的统一时间线设计。材料仅作为技术报告发布,未提供真实机器人部署结果或具体性能指标。
Google DeepMind 正式向开发者、企业及消费者发布 Gemini 4 Carbon。该模型在 CursorBench 4.0、WANDR 等基准测试中排名第一,成本低于次优外部模型;在金融研究、全栈开发及网络安全漏洞挖掘与修复方面表现卓越;同时在科学推理(如蛋白质结构预测)和模型安全对齐上取得显著进展。
推荐理由:原文给出了模型在复杂知识工作、全栈开发及前沿网络安全领域的基准表现与成本优势,开发者可据此评估其是否适合现有工程流程。
Intel 和 Altera 宣布联合开发灵活、实时的传感器桥接参考系统,用于边缘和物理 AI 应用(包括机器人)。该系统结合 Intel 的计算、连接性与软件,以及 Altera 的可编程门阵列(FPGA),旨在帮助制造商应对在日益丰富的传感器环境中连接、处理和响应实时数据的复杂性。
Google DeepMind 发布 SatWeave 和 PARDIG 两个基础数据集,前者整合五颗静止卫星图像提供全球每小时更新的云雨视图,后者基于 AI 生成高精度降水图。这两个数据集是 WeatherNext 3 模型的关键支撑,现已在 Google Cloud Storage 公开开放历史档案与实时流数据,供研究人员用于气象、洪水及干旱预测等下游应用。
论文介绍 InfraRSI,这是一个将开放指令转化为验证过的训练优化的代理框架。它通过五阶段工作流初始化锁定可编辑范围、校准集群噪声并协同优化启动参数与代码补丁。
Fable 5.2在智能体编程、科学研究等基准测试中全面超越Opus 5.5,软件工程测试达69.9%,输出速度提升30%且价格降20%。海外开发者利用其生成8小时零人工反馈的3A游戏及76分钟海底题材作品,但高推理档位导致Token消耗剧增,部分任务性价比下降。
量子位报道了成立四个月的初创公司 TensorWorld 物原科技在一个月内完成过亿美元融资的消息。文章分析了该公司提出的“物理基础模型”路线,即通过融合几何与合成动力学预训练来构建物理直觉,旨在解决高保真数据昂贵及仿真难以复现真实摩擦形变等行业痛点。
论文介绍 PoEM 框架,旨在通过已训练的模型和新的奖励函数直接近似目标 RL 策略,而无需重新进行计算密集型的强化学习训练。该方法利用新奖励函数可表示为现有奖励线性组合的特性,在 log-probability 空间中将最优策略表达为现有策略的组合;即使奖励非线性相关,RL 学到的策略也常跨越低秩子空间。
论文提出 Co-RL 框架,利用多个参数解耦的智能体相互提供奖励信号进行协同优化,以解决自奖励训练导致的偏差与同质化问题。通过引入异构模型家族、不同规模及重述样本来提升群体多样性,有效降低相关错误并抑制训练崩溃。
该论文提出 AV-Phys Bench 基准,用于评估联合音视频生成模型的物理常识理解能力。研究涵盖稳态、事件过渡和环境过渡三类场景,并引入对抗性提示测试模型鲁棒性。
针对现有网络框架固定但缺乏生成性、纯生成式世界模型难以保持确定性全局框架的问题,本文提出 Web World Model(WWM),将世界状态与物理规则用普通 Web 代码实现以确保逻辑一致性,由大语言模型在此基础上生成上下文、叙事和高层决策。
DeepMind 团队提出 StarWM 模型,利用自监督动态训练的交叉注意力机制指导视觉内容重建,有效平衡环境动力学捕捉与无关内容抽象。在 DeepMind Control 基准测试中,默认版本在随机帧干扰下表现最强,奖励增强变体在序列视频任务上达到最高回报。代码已开源。
该论文针对图像目标导航任务中潜在世界模型的规划成本排序问题,提出了一种基于冻结 DINO 家族编码器的新模型架构。研究定义了预测未来嵌入与目标嵌入之间的余弦距离作为规划成本,并引入自回归展开损失和单调成本排序(MCR)损失来优化多步规划性能。
论文介绍 FlowPilot,这是首个从深度信息构建的实时机载无人机导航世界动作模型。该模型通过流匹配联合去噪未来深度观测与可执行轨迹,利用双流混合 Transformer 耦合视频与动作专家以相互促进预测与生成。