面向未来预测的递归自我进化:DeepEvolve 系统发布
DeepEvolve 是一个基于未来事件预测的可持续进化智能体系统,通过与动态变化的环境交互实现内部与外部经验的积累。该系统通过解耦搜索与预测适应开放环境,并利用蒸馏技术从有限轨迹中演化出可复用技能。
推荐理由:DeepEvolve 系统展示了基于动态开放环境的递归自我进化框架,在真实事件预测榜单上连续三周排名第一。
DeepEvolve 是一个基于未来事件预测的可持续进化智能体系统,通过与动态变化的环境交互实现内部与外部经验的积累。该系统通过解耦搜索与预测适应开放环境,并利用蒸馏技术从有限轨迹中演化出可复用技能。
推荐理由:DeepEvolve 系统展示了基于动态开放环境的递归自我进化框架,在真实事件预测榜单上连续三周排名第一。
LocoPilot 是一个在 Unitree Go2 四足机器人搭载 AgileX Piper L 机械臂上实现的单操作员双边遥操作与数据收集框架。该系统利用第二只机械臂作为领导者及两个手持控制器,同时控制基座、身体姿态、机械臂和夹爪;通过被动约束的触觉通道向操作员渲染估计的作用力,无需专用力/扭矩传感器。
该研究明确定义重用早期治理控制结果的效度条件,并验证了基于 Ed25519 数字签名的“失效关闭”发布门能阻断九成操纵场景。对 714 个公开数据版本控制流水线的回放显示,仅按声明依赖重用结果可避免 83.4% 的执行阶段,但仍有 3.3% 的提交因未声明依赖导致重用错误代码或配置。
论文提出了 S-Agent 2.0,这是一个为现成通用编码代理配备命令行感知工具包的空间推理智能体。其设计原则是帮助视觉语言模型(VLM)闭合证据循环:获取场景证据、在持久化场景记忆中记住它,并用平实的空间语言解释每个读数。
Matrix-Game 4.0 是首个基于“可执行游戏框架”设计的系统,通过轻量级引擎维护世界状态、多模态编码代理生成代码及动态描述,以及基于自回归视频模型的渲染器将低多边形代理转化为高保真画面。
Drezily CEO Divya Manjari 在 OpenCV Live! 230 分享其生产级时尚 AI 系统,该系统已跨 90+ 零售商处理数百万商品图片。演示聚焦如何将杂乱产品图转化为实用造型方案,展示从数据清洗到生成式推荐的全流程技术栈。
该研究通过可解释性管线揭示了 VLA 模型对指令的绝对坐标绑定机制,并开放了包含 520+ SAEs 与 UR10e 遥操作数据的 Action Atlas 平台。
推荐理由:该研究通过可解释性管线揭示了 VLA 模型对指令的绝对坐标绑定机制,并开放了包含 520+ SAEs 与 UR10e 遥操作数据的 Action Atlas 平台。
论文提出了 CusADi2 软件库,旨在通过并行化每个批次实例内部的计算来降低机器人动力学函数评估的延迟。
论文提出 SocialCoAct-Agent 框架,将人形机器人的自中心社会协同行动建模为端到端智能体任务,实现从视觉观测与对话历史到言语响应及原子动作序列的生成、对齐与执行。
该论文介绍 DUET 框架,通过仅在机器人接口处结合指令,使下肢运动控制器(基于强化学习)与上肢操作控制器独立运行。实验在宇树 G1 硬件上验证了该方法,展示了与 GR00T N1.7 和 pi0.5 两个不同模型配对的兼容性。
推荐理由:该研究提出 DUET 框架,实现下肢运动与上肢操作的解耦控制,支持在不重新训练平衡策略的情况下更换视觉语言动作模型。
AnyGoal 是一个基于常用环境构建的目标偏移任务基准及开源库,旨在评估世界模型重组熟悉状态动作因子以产生有效动力学的能力。研究发现当前模型在这些未充分覆盖的组合下普遍失效,揭示了数据覆盖率、动力学泛化与下游规划性能间的关系。该框架为评估迈向能泛化至新规划任务的世界模型提供了基础分析依据。
论文提出 Fréchet Forcing 方法,用于微调世界模型以解决长序列生成中的漂移问题。该方法在无需教师模型或在线评论器的情况下,利用流匹配损失、上下文保真度和现实匹配三个约束,使模型在机器人操作和相机控制探索任务中能在超过 4,000 帧的长序列内保持稳定性并遵循动作指令。材料为 arXiv 预印本,未提及同行评审状态或具体部署许可。
推荐理由:提出无需教师模型的 Fréchet Forcing 方法,通过流匹配与统计约束解决长序列生成漂移问题。
研究追踪了七个开源强化学习后训练框架,发现 2025 年 1 月至 2026 年 6 月期间仅 37 篇通用方法被纳入。被采纳的论文更常涉及 30B 以上参数策略及损失函数系数调整,且多数未获维护方回复。研究数据已作为追踪器开源,链接训练失败记录与框架贡献规则。
论文介绍 ReTrace 评估框架,通过受控错误注入与目标导向的动作回放,研究计算机操作代理的模型化恢复能力。研究发现当前代理无法利用其潜在的恢复能力,而准确的模型恢复可带来端到端性能提升。代码与数据集已开源。
针对连续空中搜索中因证据矛盾导致假候选持续触发行动的失败模式,该文提出 SkyAgent 框架并引入可修订目标记忆机制。该机制通过关联证据、折扣相关视角及维护暂存/确认/拒绝三种状态来修正候选项,并将生成的航点与源候选绑定以无效化过时目标。
论文介绍 RAX(Robot Agent eXploration)开源框架,旨在通过在线探索扩展机器人智能体能力。该框架利用通用代码生成智能体编写控制代码,无需动作演示数据或人工设计的动作基元。研究在仿真和真实机器人上验证了其在单臂、双手、灵巧操作及人形系统上的表现,结果显示在未见环境中泛化性能随探索规模提升,且自主学习能力优于现有基线模型。
推荐理由:RAX 框架通过在线探索与代码生成实现无演示数据训练,在仿真与真机上均优于基线模型并涌现出主动感知等能力。
Hugging Face Daily Papers 发布了一篇题为《Muse Glimmer 30B: An On-Device Agentic Model》的论文,介绍了一个开源的 30B 参数因果语言模型。
PathFM 是一种利用流匹配技术生成完整未来路径的时间序列基础模型,其蒸馏采样器能在单次量化查询时间内为单系列生成多条路径。该模型在 fev-bench 和 TIME 基准上达到具有竞争力的边缘精度,并在新增能量与变差函数指标的 fps-bench 上优于所有外部基线。实验表明其在混沌系统中能维持长期变异性,而强基线则迅速崩溃。
论文介绍 CoWorld Reasoner 框架,该框架将视频世界模型(VWM)作为统一的视觉推理引擎,通过工具调用和技能引导 VLM 进行灵活的视觉想象与空间、因果及感知推理。
推荐理由:提出利用视频世界模型作为统一视觉推理引擎的代理框架,在多项基准测试中优于直接推理。
论文介绍 MJev-Spatial,这是一个基于 Qwen3.5-4B 构建的 System 1 多模态决策模型,旨在解决空间关系判断、距离测量和物体定位等任务。
推荐理由:该工作提出 MJev-Spatial,通过原生注意力匹配将空间理解任务转化为分类问题,在保持高精度的同时显著提升了推理速度。
Hugging Face Daily Papers 收录了论文 Persistent Planar Memory for Video World Models(NeurIPS 2026 接收)。
推荐理由:该工作提出用平面基元构建持久化 3D 记忆,在视频生成中实现紧凑且几何显式的深度与表面表达。
Mothbox 是一款由 Digital Naturalism Laboratories (Dinalab) 开发的低成本低功耗开源昆虫监测设备,支持工厂组装 Pro 版及完全 DIY 构建。
NVIDIA Nemotron 3.5 Super VL 是一款开源可定制的多模态模型,专为处理阅读文档、跨源查信及调用工具等长流程企业工作流设计。该模型采用 120B 参数混合专家架构,每次请求仅激活 12B 参数以支持专用智能体的高效推理。
论文介绍 Cowork-Gym 框架,利用构建、执行和修订循环合成包含状态感知用户模拟器的交互式工作环境,涵盖工具依赖与共享工作区编辑。研究合成了 64.9K 个环境并用于微调 Qwen 系列模型(9B/27B/35B),在六个代理基准上平均表现优于基线,其中 27B 版本在 PawBench 和 ClawEval 上得分最高,超越百十亿参数模型。
论文介绍 ProgAgent,这是一个完整的程序化工具调用(PTC)训练栈,包含可验证长程任务合成流水线、轻量级 PTC 运行时和两阶段训练配方。
推荐理由:该工作提出 ProgAgent,通过程序化工具调用训练栈解决长程任务中的上下文污染问题,在 LOCA-bench 等基准上显著优于基线。
星动纪元自研的世界动作模型VPP2在RoboDojo仿真榜单综合平均成功率32.26%、得分39.26分两项指标均居第一,泛化与精细操作能力领先。该模型采用视频预测与动作学习分阶段训练策略,未依赖额外数据或外挂增强手段。代码已开源,项目主页提供复现入口。
推荐理由:星动纪元自研的世界动作模型VPP2在RoboDojo仿真榜单登顶,并开源代码与项目主页。
论文介绍 SpatialOPSD,一种基于策略的自我蒸馏框架,旨在让多模态大语言模型(MLLM)将外部工具生成的已验证执行痕迹内化为内部的空间思维链(CoT),从而摆脱对推理时外部依赖的开销。该方法利用重复掩码与不似然正则化来缓解特权信息泄露问题。实验表明,在空间及分布外数据集上,SpatialOPSD 的平均准确率优于监督微调(SFT)和 GRPO,展现出更强的性能与泛化能力。
现有空间推理基准主要测试对输入中可见关系的感知,而真实世界需要预测性空间推理以构建场景并推演干预后的未见结果。该研究引入 SpaceCast-Bench 基准,基于观察 - 转换 - 推断框架,涵盖 182 个现实场景中的 3,862 个问题及 16 种任务类型。
Hugging Face Daily Papers 转载了论文 AgentGarten,提出一种将仿真器与游戏引擎通过共享神经渲染器耦合的框架,以构建支持实时交互且状态一致的虚拟环境。
论文指出循环 Transformer 随迭代次数增加会出现推理精度下降现象,提出 InfiLoop 架构利用内容加权与学习到的时间衰减机制保留有用中间状态并抑制不可靠提议。在 Sudoku-Extreme 任务上达到 97.9% 精确准确率,并在 ARC-AGI-2 任务上取得 13.6% pass@2 分数。代码已开源。
针对主动视觉在模仿学习中缺乏统一评测的问题,作者提出了 TAVIS 评估基础设施。该基准包含两个互补的任务套件——TAVIS-Head(5 项任务,利用颈部俯仰/偏转进行全局搜索)和 TAVIS-Hands(3 项任务,利用手腕相机处理局部遮挡),构建于 IsaacLab 平台并适配 GR1T2 与 Reachy2 两种人形躯干载体。
论文提出 RT-DETR-World,这是一种紧凑的 DETR 风格检测器,旨在通过文本类别查询识别训练未见类别,同时保持实时效率。研究构建了 GroundingCapv2 数据集,包含三个层级的监督信号:标准类别名称、传达实例级语义的对象描述以及传达对象关系和场景上下文的图像描述。
网络智能体在处理第三方网页时易受植入指令的误导,现有防御方法难以应对动态适应的攻击者。该研究提出 AdvSim2Real 框架,在冻结的网页世界模型内协同进化任务课程、注入对抗者和智能体本身。
HARL-A 是一个基于 IsaacLab 的开源框架,旨在解决机器人对抗多智能体强化学习中缺乏支持异构形态的高保真物理仿真基础设施的问题。该框架扩展了 HARL 算法库与 IsaacLab,提供了模块化软件架构以降低定义新环境的工程开销,并包含 Sumo、Soccer 和 3D Galaga 三个涵盖推挤、球技竞技与追逐/逃避的基准环境。
Google DeepMind 发布 EmbeddingGemma 2,这是一个基于 Gemma 4 架构的开源多模态嵌入模型,采用 Apache 2.0 许可。
推荐理由:DeepMind 发布 EmbeddingGemma 2,统一处理文本、代码、音视频的多模态嵌入模型,支持端侧推理与离线 RAG。
论文提出 PAIR 框架,旨在解决连续动作视觉语言动作模型中感知表示到动作生成的过渡问题。该框架利用掩码动作自编码器将专家动作编码为动作潜在令牌,并通过桥接模块从当前视觉语言特征中提取任务相关信息以形成桥接令牌。
推荐理由:该框架通过引入桥接令牌,在感知与动作表示间建立共享中间层,显著提升了 OpenVLA-OFT 和 VLA-Adapter 在多基准及真实任务中的成功率。
该论文定义了个人代理的概念框架,并介绍了 nanoMuse,这是一个基于 GPL-3.0 许可的开源项目,旨在让每个用户拥有的设备(手机和电脑)都能运行独立的代理实例。
推荐理由:报告定义了个人代理的五项核心问题,并基于 Meta Muse 公开记录构建了 GPL-3.0 许可的开源替代方案 nanoMuse。
该论文调查了 AI 系统在缺乏明确指标时进行开放式科学发现的能力。研究者在 Station 开放世界环境中引入监督与元反思机制,让代理在禁用网络访问且不知晓原始结果的情况下复现 ICLR 口头报告的研究问题。
CUAWright 是一种仅约 3K 行代码的极简终端接口工具,利用 bash 命令作为唯一操作界面,文件系统作为动态演化空间以构建工具和上下文管理。实验显示,相比 GPT-5.5 基线及 GUI 原生接口,该方案在 OSWorld 2.0、Online-Mind2Web、Odysseys 等基准任务中显著提升成功率并降低估算成本,同时在 CAD 应用中也展现出更强的视觉理解与交互能力。
推荐理由:CUAWright 提出最小化终端接口方案,在数字任务与 CAD 应用中显著优于 GUI 及混合接口。
何恺明团队发布论文NAT-ARC,提出一套纯视觉的ARC解题方案。该方案不依赖LLM,利用ImageNet上的自然图像(如猫狗)进行MAE预训练以获取视觉先验,再迁移至抽象格子推理任务。
推荐理由:何恺明团队提出NAT-ARC,利用ImageNet预训练打破纯视觉模型在抽象推理任务上的scaling瓶颈。