看懂日报 · 2026 年 10 月 27 日 · 星期二
kandong
Ψ-0.6:统一视觉语言世界模型中的自适应思维流
论文介绍 Ψ-0.6,这是一个统一的视觉 - 语言世界模型,能够在共享的推理过程中自适应地组合感知、语言、几何和仿真模块。该模型通过“思维流”交错处理图像、文本以及显式的几何与运动表示,支持反事实模拟以判断物体移动是否阻碍路径等任务。
智能驾驶
讯飞Spark-X2.6全栈国产模型发布:实测纯CPU运行完成3D故宫搭建与合同审查
讯飞发布Spark-X2.6系列大模型,该模型基于全栈自主可控的国产算力平台构建,支持端侧与云端按需协同。实测显示,4B版本在仅靠CPU离线运行时,能独立完成跨文件数据核对、风险识别及代码生成任务(如搭建3D故宫网页),完成度约九成;云端版本则通过评语模型路由机制,将敏感信息脱敏后处理复杂合同审查,准确率提升至96.1%。
捷达M6上市,搭载地平线征程6M实现10万元级高阶智驾
2026年10月22日,捷达M6正式上市,售价7.98万至9.98万元。该车型搭载基于地平线征程6M芯片的酷睿程Hyper Sense 8一段式端到端车载解决方案,由HSD AI基座模型深度赋能,支持高速NOA、城市NOA及全场景智能泊车等功能,不依赖高精地图。这是地平线与大众智驾合作推动高阶智驾进入10万元级主流市场的最新实践。
具身智能
跨维智能联合高校发布TaskAnchor提升机器人长程任务能力
跨维智能联合香港中文大学(深圳)、佛山大学、华南理工大学发布TaskAnchor技术,旨在解决长程操作中因画面信息不足导致的任务状态混淆问题。该技术通过轻量适配器接入历史信息,输出任务状态坐标并利用上下文自适应测试时训练模块补充历史视觉证据。
世界模型与仿真
无界动力发布并开源MWA™-Phoenix隐空间世界模型基座
无界动力正式发布并开源MWA™-Phoenix端侧7B参数完整预训练模型,该模型在LIBERO-Plus、LIBERO-Pro等六项评测中取得领先成绩,验证了其在环境扰动与复杂操作方面的能力。
计算机视觉
See What I Need, Dream What I Want:一种基于自构建表示空间的导航基础模型
论文提出了 RepresentNav 导航基础模型,该模型构建了由策略自身目标驱动的视觉表示空间。通过 Representation Residuals 模块整合多模态视觉编码器特征,实现端到端训练的策略与潜在思维链联合嵌入预测架构(JEPA)。
岩山科技联合港科大、CMU开源EdgeRock-4B模型
岩山科技旗下岩芯矩阵联合港科大、CMU等高校发布并开源了EdgeRock-4B模型,该模型基于Qwen3.5-4B改造,采用记忆岩锚(RMA)机制将每条序列的KV Cache固定在72 MiB,不随上下文长度增长。
快讯
- 基于信号感知的自适应融合实现高效零样本视频异常检测arXiv · 机器人与计算机视觉
- 在流匹配 VLA 策略中耦合执行视界与采样深度arXiv · 机器人与计算机视觉
- Flownomaly:基于单步条件均值恢复的少样本异常检测arXiv · 机器人与计算机视觉
- Barycentric Guidance:将基础图像编辑器转化为连续情感控制器的方法arXiv · 机器人与计算机视觉
- SemGeo-Gen:一种基于弱对齐3D物体集合的无监督近似跨实例语义几何对应关系生成方法arXiv · 机器人与计算机视觉
- 沉默并非确证:当量产车道保持辅助不报警时及其代价arXiv · 机器人与计算机视觉
- 月球群集机器人涌现出的合作体温调节机制arXiv · 机器人与计算机视觉
- 无 fp32 主副本的 VLA 全权重微调会静默抹除大部分更新arXiv · 机器人与计算机视觉
- CS-CLIP:通过组件监督增强图像文本相似度检索的准确性arXiv · 机器人与计算机视觉
- LoCA:赋能地理空间编码器多模态能力arXiv · 机器人与计算机视觉