跳到正文
11月3日周二
  1. 量子位35

    Anthropic 更新招股书披露模型逼近 RSI 安全红线及 Q3 财务数据

    Anthropic 在更新招股书中披露,其下一代模型可能即将突破 AI 自进化(RSI)危险红线,导致能力提升速度超过安全措施实施能力。公司单季营收约 170 亿美元(同比暴增 1127%),但季度环比增速降至 47%,年化流水估算约为 650 亿美元。招股书同时承认研发加速证据多为滞后指标,且巨额亏损主要源于可转换票据公允价值变动而非现金消耗。

  2. 量子位66

    GPT-6 Astra通过权重空间编程实现模型零训练微调与从零构建

    MIT团队展示了一种名为“权重空间编程”的新范式,让通用大模型(如GPT-6 Astra)在不使用梯度下降或重新训练的情况下,直接分析并修改神经网络权重以优化性能。实验显示,该方法将Qwen3.5的数学能力从7.9%提升至48.1%,指令执行能力提升3倍;在MinAtar游戏中,从零构建的网络得分超传统PPO训练20倍。

  3. Hugging Face Daily Papers78

    Harness-S:通过兄弟 Harness 学习实现可泛化智能体训练

    论文提出 Harness-S 方法,针对智能体训练中基座执行系统(harness)的局部性、互补性和非平稳性问题,引入方向性 Harness 演化构建可复用的兄弟 Harness 池。

    推荐理由:提出 Harness-S 框架,利用辅助 harness 修复基座执行失败并将能力迁移至策略,在 AppWorld 等基准显著优于纯策略训练。

  4. NVIDIA Technical Blog43

    英伟达发布 Cosmos 平台以构建物理 AI 交互式仿真世界模型

    NVIDIA Cosmos 是专为物理 AI 开发者打造的包含世界基础模型与开发工具的平台,旨在解决模型适配传感器、任务及数据并可靠落地应用的两大挑战。该平台提供智能体技能与世界模型训练的配方(recipes),帮助开发者将通用模型高效转化为特定场景的交互式仿真解决方案。

11月2日周一
  1. arXiv · 机器人与计算机视觉83

    Adaptive-WAM:一种基于视频扩散中间特征的自适应早退规划方法

    论文介绍 Adaptive-WAM,这是一种构建于 Wan2.2-5B 骨干网络上的质量感知多出口规划器。该方法将轨迹扩散头附加到选定的 DiT 块上,利用轻量级评分器在满足质量阈值时终止推理,从而避免完整的迭代去噪和 VAE 解码过程。

    推荐理由:该工作提出基于中间层特征的质量感知早退规划器,在 NAVSIM 上取得最佳结果并实现低延迟推理。

  2. arXiv · 机器人与计算机视觉66

    视频基础模型如何编码直觉物理:跨预训练范式的探测研究

    该论文探究视频基础模型是否在冻结表征中编码了可用的直觉物理信息,以及这种能力是否自然涌现于大规模视频预训练中。研究利用 IntPhys2 和 MVP 基准,对比了预测联合嵌入(V-JEPA)、掩码重建(VideoMAE)和扩散生成(LTX-Video)三类模型在冻结特征上的表现。

  3. arXiv · 机器人与计算机视觉20

    NeurIPS 2026 位置论文:下一代游戏引擎应基于交互式生成视频构建

    该位置论文主张以交互式生成视频(IGV)作为感知与世界生成的核心,构建由设计师控制的新一代生成式游戏引擎(GGE)。文章通过六个功能模块的进展分析,提出了从 L0 到 L4 的五级成熟度路线图。此外,研究还探讨了九种替代观点及伦理考量,旨在推动社区关于该架构变革的讨论。

  4. arXiv · 机器人与计算机视觉78

    让激光雷达决定看向何处:用于高效稀疏潜在世界模型的几何测量 Token 选择

    针对以视觉为中心的自动驾驶模型冗余编码天空、建筑等无关内容的痛点,提出 Geometry-Aware Token Selection (GATS) 方法。该方法利用 LiDAR 和雷达点投影在视觉骨干网络运行前筛选关键图像区域,使端到端计算量最高降低 18 倍。

    推荐理由:提出基于 LiDAR 几何的 Token 选择方法,在大幅降低计算量的同时提升规划相关场景的预测精度与安全性。

  5. arXiv · 机器人与计算机视觉78

    FlapSim:一种可组合的 MuJoCo 扑翼仿真平台及降阶气动模型层级

    该论文提出了 FlapSim,一个模块化的开源 MuJoCo 仿真平台,用于解决扑翼飞行中高频气动动力学与低频飞行控制/强化学习动态之间的协调问题。研究在 48 个涵盖频率、舵机、风场等场景的独立测试集中,对比了五种降阶配置,发现结合多速率时钟同步、三维流入耦合及相位锁定谐波合成的五块模型架构,在保持 65.19 倍 CPU 加速的同时将平均力矩保真度提升至 0.9646。

    推荐理由:该工作提出了 FlapSim 模块化开源平台,在 MuJoCo 框架下实现了高频扑翼气动与飞行控制的确定性模拟,并量化了不同简化模型在精度与速度间的权衡。

  6. 智东西 · 机器人68

    北京物理AI基础设施公司简智机器人获超6亿元融资并发布新品计划

    北京数据与评测基础设施公司简智机器人宣布完成新一轮1亿美元(约合人民币6.65亿元)融资,投资方包括上汽集团、百度集团等产业资本及光合创投等财务方。该公司专注于多模态数据采集与治理技术,推出了Gen DAS Dex采集终端,该产品采用仿生轻量化外骨骼,支持人手23个自由度检测,指尖搭载灵敏度达0.05N的高精度磁触觉传感,手背配置150°超广视角摄像头以记录手部抓取操作全过程。

  7. Hugging Face Daily Papers70

    Axion 1.0:开放智能体基础模型与简化配方发布

    Axion 1.0 是一个完全开放的智能体基础模型,采用仅含两个轻量监督微调加强化学习的三阶段极简训练配方,无需中间训练、直接偏好优化或在线蒸馏。该模型通过基于自身成功策略合成难题来发展自包含推理能力,并通过可扩展管道构建基于真实数据源的多样化可验证任务以扩展工具依赖推理,最后利用强化学习增强长程推理及与外部工具和环境的交互。

11月1日周日
  1. 量子位87

    清华姚期智团队发布代数世界模型:让AI像牛顿一样思考

    清华大学姚期智和袁洋团队提出「代数世界模型」(AWM),利用范畴论中的投射极限与归纳极限工具,将大模型的试错探索转化为形式化数学证明。在ARC-AGI-3游戏集测试中,基于Opus 5.5的AWM以99.9%得分和43%人类基准动作数全部通关,并能准确判断无解关卡。论文由本科生潘冠成、谭淇心撰写,项目主页与arXiv预印本已公开。

    推荐理由:清华团队提出代数世界模型,利用范畴论工具将试错探索转化为形式化证明,在ARC-AGI-3测试集实现99.9%通关率。

  2. Hugging Face Daily Papers75

    Is Your Long-Horizon Benchmark Really Deep? Measuring and Synthesizing Depth in Terminal Tasks

    该论文指出长视界终端任务评估中,现有方法用回合数衡量长度、LLM 标签衡量难度存在偏差。作者提出以工作量和深度(必须顺序执行的回合数)定义任务,审计发现合成数据多为增加工作量而非深度。提出的 DEPTH 基准包含 105 个高深度任务,现有六款模型均无法通过半数,但微调 Qwen3-8B 后在两个终端基准上表现提升。

10月31日周六
  1. 智东西 · 机器人80

    大晓机器人联合南洋理工大学发布世界模型 Mundo

    大晓机器人联合南洋理工大学S-Lab发布面向具体环境的世界模型Mundo,具备场景重建、自由视角探索和时空模拟能力。该模型仅需1至12张真实图像即可构建可编辑的三维代理场景,并通过代码定义物体质量与摩擦等物理属性,利用MuJoCo引擎计算运动与碰撞,最终由视频扩散模型渲染出符合物理规律的动态画面。

    推荐理由:大晓机器人联合南洋理工大学发布Mundo,支持少量图像构建含物理属性的可交互三维环境,为机器人Real-to-Sim训练提供新工具。

  2. The Robot Report42

    Percepto 推出 Axion 物理 AI 平台统一检测数据分析

    Percepto 本周发布硬件无关的 Axion 物理 AI 平台,将公司战略从自主无人机转向软件优先。该平台通过 SaaS 模式整合第三方无人机与传感器数据,利用超 160 个 AI 模型及大语言模型分析关键基础设施状态并支持自然语言查询。Axion 旨在帮助石油天然气、电力传输等行业的运营方预防设备故障,无需绑定单一硬件供应商即可复用现有检测投资。

10月30日周五
  1. 盖世汽车 · 汽车资讯65

    弗劳恩霍夫与本田开发量子经典混合框架优化电动车充电调度

    弗劳恩霍夫 IOSB-AST 研究所与本田欧洲研究所研究人员开发出一种量子 - 经典混合框架,旨在优化电动汽车的充电与行程分配。该研究针对充电与行程联合调度这一 NP-hard 问题,引入了基于逻辑的“冲突割”方法,仅需极少量辅助量子比特即可有效降低计算负载。

  2. arXiv · 机器人与计算机视觉33

    DiTSG:基于多智能体扩散 Transformer 的空域交通场景生成

    DiTSG 提出一种利用堆叠多智能体逆 Transformer 层作为去噪骨干的扩散模型,从记录的多机轨迹中联合生成空域交通场景并条件化于各智能体的到达时间要求。实验表明该模型生成的多样化场景既复现了记录流量的统计特性,又保留了真实空中交通管制中观测到的逼真机间交互模式。

  3. arXiv · 机器人与计算机视觉54

    Turbo4DGen:面向 4D 生成的超快加速框架

    Turbo4DGen 是一个针对基于扩散的多视角 4D 内容生成提出的超快加速框架,旨在解决长链一致性带来的计算与内存开销问题。该框架引入时空缓存机制以跨去噪步骤复用中间注意力,并结合动态语义感知注意力剪枝及自适应 SCM 链旁路调度器,大幅减少冗余的 SCM 注意力计算。

  4. arXiv · 机器人与计算机视觉38

    Robust Taylor-Lagrange Control 方法解决安全关键系统可行性保持问题

    Robust Taylor-Lagrange Control(rTLC)方法通过泰勒展开将安全函数阶数扩展至相对度以上,使控制量在当前时刻显式生效以消除离散化导致的可行性丢失。该方法仅需一个超参数即可自然解决可行性保持难题,并在自适应巡航控制任务中与现有安全关键控制方法进行对比验证了有效性。

  5. arXiv · 机器人与计算机视觉75

    字典序下降:通过参数化标量化优化全序规则集的一种基于梯度的方法

    针对安全关键系统需满足冲突约束且通常按优先级排序的问题,现有预emption优化存在次优解风险,而联合优化又难以保持严格优先级。本文提出 Lexicographic Descent 方法,利用随优先级衰减的相对权重实现参数化标量化,在极限处恢复字典序顺序并收敛至高优先级规则的受约束驻点。该方法能利用问题结构达到字典序最优,并在自动驾驶案例研究中优于预emption方法。

  6. arXiv · 机器人与计算机视觉48

    socx:基于 JAX 的 GPU 加速机会约束随机最优控制求解器

    socx 是一款利用 JAX 实现的 GPU 加速求解器,专为处理带机会约束的提升凸线性随机最优控制问题。在悬停线性的三维四旋翼测试中,其速度较 MOSEK 提升最高达 98 倍、较 SCS 提升 2224 倍,且能解决长达 N=1120 的时间步长任务而 MOSEK 会在 N=320 时耗尽内存。该工具通过分布式优化将问题分解为独立的线性二次型跟踪与欧几里得投影子问题并行求解。

  7. arXiv · 机器人与计算机视觉12

    智能体数量与行为对 VR 疏散训练中用户心理反应的影响研究

    该研究结合灾难虚拟仿真与多智能体情感表达,评估了疏散过程中智能体数量及行为对用户决策的影响。结果显示,伴随更多智能体撤离能提升用户自信度,且智能体选择的路线显著影响用户决策。结论表明 VR 训练需考量周围智能体的集体行为对使用者心理状态的塑造作用。

  8. arXiv · 机器人与计算机视觉48

    OrbitalGym 仿真环境揭示规划算法如何决定轨道对抗博弈结果

    OrbitalGym 是一个基于 JAX 的轨道博弈仿真环境,支持多智能体、显式通信及锥形视场传感器等配置。研究对比了 PD、LQR、MPCPI 和 MCTS 策略在追逃与护卫任务中的表现,发现燃料比主导多数遭遇,而针对能触及资产的攻击者,更优的守卫策略在 56 至 74 种能力配置中将防御概率提升至少 10%。