Inherit-MAS:基于工作流与执行继承的多智能体系统测试时演化方法
论文介绍 Inherit-MAS 框架,利用生物进化中的继承与选择原理,在多智能体系统中显式实现工作流与执行的继承机制。该方法通过元模型合成带角色声明的工作流,并由独立评估器诊断缺陷;在常规优化轮次中继承最新候选人的工作流并剔除无用节点,同时仅在请求与执行上下文完全匹配时复用历史结果以避免冗余计算。
推荐理由:该工作提出通过工作流与执行继承机制优化多智能体系统,在保持性能的同时显著降低计算开销。
技术方向
辅助驾驶与自动驾驶的技术、量产和运营,保留功能边界、地域、许可条件及安全证据。
204 条精选近 30 天 59 条共收录 1,008 条
论文介绍 Inherit-MAS 框架,利用生物进化中的继承与选择原理,在多智能体系统中显式实现工作流与执行的继承机制。该方法通过元模型合成带角色声明的工作流,并由独立评估器诊断缺陷;在常规优化轮次中继承最新候选人的工作流并剔除无用节点,同时仅在请求与执行上下文完全匹配时复用历史结果以避免冗余计算。
推荐理由:该工作提出通过工作流与执行继承机制优化多智能体系统,在保持性能的同时显著降低计算开销。
针对小模型在多模态搜索任务中因自由生成推理导致的高延迟与低效问题,本文提出了一种基于选择的结构化推理(SSR)框架。该框架将高层推理重构为预定义的、可复用的自然语言候选集,模型在每个步骤仅根据当前上下文从这些候选集中进行选择,无需辅助任务头。
推荐理由:该框架将推理重构为候选选择,利用共享 KV Cache 并行评分,在保持任务性能的同时显著降低多模态搜索代理的推理延迟。
IFR 发布《World Robotics 2026 Service Robots》报告,显示 2025 年全球专业服务机器人出货量同比增长 24%,接近 25 万台。
推荐理由:IFR 发布《World Robotics 2026》报告,披露全球专业服务机器人销量增长及人形机器人市场现状与关键挑战。
Kodiak 宣布与 IKEA Supply 合作,将于 2026 年下半年推出无安全员的自动驾驶货运服务,成为首个利用 Kodiak 无人货运能力的合作伙伴。
推荐理由:Kodiak 宣布与 IKEA 合作于 2026 年推出无安全员长途货运服务,初期路线覆盖德克萨斯州休斯顿至达拉斯间 219 英里路段。
该论文提出 WEFT(Whole-system Evolution For Tool-use Post-training)框架,旨在解决仅扩展执行环境无法保证模型性能提升的问题。
推荐理由:提出 WEFT 框架,通过全系统协同进化解决工具使用后训练中的信号一致性问题。
该研究提出 TIPS 框架,通过仅基于最终结果的强化学习来训练生成式过程奖励模型(PRM),从而以低成本实现步骤级验证。实验显示,该方法在数学和智能体基准测试中表现优异,TIPS-Qwen3-4B-Thinking-2507 在 ProcessBench 上达到 85.2 F1,超越了 GPT-5.4-Instruct 等强提示词模型,但仍落后于 o1-mini。代码与数据已开源。
推荐理由:该方法利用结果奖励引导过程监督,在仅用少量轨迹数据下实现了超越强提示词模型的推理效果。
2026 年 9 月 24 日,东风斯泰兰蒂斯汽车技术(武汉)有限公司与 Momenta 宣布达成全球战略合作,覆盖 Peugeot 和 Jeep®品牌。双方将基于 Momenta 的 R7 World Model 共同开发高级驾驶辅助系统,该系统将在中国、欧洲及其他全球市场的新款生产车型上推出。
推荐理由:Momenta 与 DSAT 达成全球战略合作,将基于 R7 世界模型为标致和吉普车型开发高级驾驶辅助系统。
Kodiak AI 宣布计划在 2026 年底前完成其安全案例验证,并在达拉斯至休斯顿的 I-45 州际公路上启动无监督长途货运服务。公司表示目前已在该航线上持续完成无需人工干预的端到端交付,且安全员从未触碰方向盘。
推荐理由:Kodiak 宣布计划在 2026 年底前完成达拉斯至休斯顿货运航线的无监督自动驾驶服务,并展示了该路线上连续完成的无人干预交付记录。
针对部分可观测环境下的多智能体路径规划问题,DMM 方法通过离散化、迭代式的意图去噪机制替代单次采样,有效解决了独立采样导致的联合动作不兼容问题。该方法在 MovingAI 数据集的 1,600 个任务中实现了 1,598 的成功率,覆盖率达到评估方法中最高的水平,同时保持了接近最强基线的解成本,并支持百万级智能体规模的扩展。
推荐理由:DMM 通过迭代意图去噪解决多智能体联合动作采样冲突,在 MovingAI 基准上实现最高覆盖率且成本接近最优基线。
该论文提出 Mara Chain,一种将优化过程中被丢弃的候选方案转化为后续迭代基石的新方法。现有 propose-evaluate-select 流程常因直接丢弃不合格候选而导致重复探索相同失效模式;Mara Chain 则保留并利用先前尝试积累的证据对拒绝项进行迭代精炼,同时限制链长并应用 Pareto-filtered Top-N 选择以控制候选池规模。
推荐理由:该工作提出 Mara Chain,将优化中被丢弃的候选方案转化为后续迭代的基石,在 AppWorld、TerminalBench 2.1 和 MuSiQue 等基准上显著提升了任务性能并减少了采样次数。
国际机器人联合会(IFR)发布《World Robotics 2026》报告,显示 2025 年全球工厂运营工业机器人存量增至 500 万台,同比增长 9%。其中中国市场表现强劲,年安装量达 35.4 万台,占全球部署总量的 59%,中国本土制造商国内市场份额升至 55%。
推荐理由:报告披露 2025 年全球工业机器人存量达 500 万台,中国安装量占比近六成且本土品牌份额过半。
2026 年 9 月 20 日,一汽 - 大众 ID. AURA T6 正式上市,售价 12.99 万元起。该车首发搭载地平线征程 6H 芯片(单颗算力 420 TOPS)及 HSD AI 基座模型,由酷睿程打造 Hyper Sense 8 全场景辅助驾驶方案。
推荐理由:一汽 - 大众 ID. AURA T6 上市,首发搭载地平线征程 6H 芯片与 HSD 端到端模型,验证了合资品牌高阶智驾规模化量产落地。
地平线联合无问智科发布机器人指令理解与操作评测基准InstructMove,旨在解决机器人仅凭视觉捷径完成任务而忽视语言指令的问题。该基准基于Text-Indispensable原则,在场景中设置多个可操作候选目标,强制模型依赖语言消歧。
推荐理由:地平线发布InstructMove基准,通过多候选目标场景验证语言对动作选择的必要性,并证明仿真数据能提升真机指令跟随能力。
PrePass 与 Kodiak AI 宣布合作,将 Kodiak 自动驾驶卡车的增强检查信息直接接入 PrePass 现有的州级路边筛查和执法系统,实现自动旁通流程。
推荐理由:PrePass 与 Kodiak AI 合作将自动驾驶卡车的检查结果接入现有州级路检系统,为跨州规模化部署奠定合规基础。
9月15日,地平线在上海临港举办仪式,宣布第1500万颗征程®芯片将搭载在一汽-大众全新合作车型ID. AURA T6上。该车型首发搭载征程6H芯片,由HSD AI基座模型深度赋能。地平线创始人余凯博士同时宣布,HSD V2.1版本即将推出,首发全场景倒车能力,端到端模型轨迹直出以优化脱困与窄道通行体验。现场还透露,HSD年内将搭载某头部新能源大厂车型量产。
推荐理由:地平线宣布第1500万颗征程芯片量产并搭载于大众ID. AURA T6,同时HSD V2.1即将推出全场景倒车功能。
Waymo 宣布与新加坡交通部及陆路交通管理局合作,将于2028年通过Waymo App向公众开放全自主、全电动的网约车服务。初期车队将采用捷豹I-PACE车型,并在2027年完成本地化训练与准备阶段。该服务旨在补充新加坡公共交通网络,提供首末公里接驳并实现零直接排放。
推荐理由:Waymo 宣布与狮城交通部门合作,计划于2028年通过App推出全自主电动网约车服务。
Agility Robotics 发布了新的人形机器人 Digit 5,其核心突破在于通过自主避让或坐下确保物理上不可能摔倒伤人,实现了无需物理屏障即可在人类附近工作。
推荐理由:文章分析了 Agility Robotics 发布的 Digit 5 人形机器人在安全性、续航与负载上的平衡,并披露了成本估算与服务定价模式。
广汽埃安正式发布 2027 款 AION i60,搭载文远知行 WRD 3.0 一阶段端到端 ADAS 方案。该系统基于文远知行全球超 60 城、13 国的 L4 无人出租车运营经验开发,具备 Navigate on Autopilot (NDA)、无导航辅助驾驶及 P2P 泊车等 L2++ 功能。此次合作标志着双方从单车型验证扩展至多平台规模化部署,将冠军级技术带入主流消费市场。
推荐理由:文远知行 WRD 3.0 正式搭载于广汽埃安 i60,标志着其基于 L4 经验的一阶段端到端 ADAS 方案进入量产交付阶段。
文远知行宣布其端到端 ADAS 方案 WRD 3.0 在由中国电动智能汽车媒体平台 D1EV 主办的沈阳站中国城市智能驾驶大赛中斩获第八个冠军,成为参赛解决方案中首胜次数最多的产品。
推荐理由:文远知行 WRD 3.0 方案在沈阳赛段斩获八冠并确立领先优势,同时披露了量产交付规模与营收增长数据。
智元发布原生世界动作模型 GE-Act 2.0,提供首个关于原生世界动作模型可扩展预训练路径的系统性验证。该模型从随机初始化开始训练所有参数,在零样本评估中展现了随数据规模扩大(300 至 30,000 小时)而涌现的新能力与跨机器人本体的迁移效果。材料介绍了其控制导向自编码器、单步视觉规划及知识对齐选择性优化等架构设计,并指出其与 GE-Sim 共同构成世界模型框架。
推荐理由:智元发布原生世界动作模型 GE-Act 2.0,验证了训练数据规模扩大带来的能力涌现与跨本体迁移路径。