搜索
在机器人操作研究中，视觉语言动作模型（Vision-Language-Action，VLA）与世界动作模型（World Action Model，WAM）为机器人提供了不同的动作生成路径。但当任务从一次抓放延伸到连续搭建与双臂协同，决定成败的就不只是眼前这个动作能否完成，还包括此前建立的条件能否一直支撑后续执行。
这个接近 1 万 Star 的开源项目在 X 上火得一塌糊涂。
一位AI主编领着三位AI小编，分别盯紧前沿大模型、开源项目和大厂人事。
清华大学和新加坡国立大学团队提出并开源VISTA，通过Meta-agent自主修改Harness代码且不更新模型权重，将LIBERO-Pro整体任务成功率从17.5%提升至95.0%。
上周六，DeepSeek的Harness团队发了一篇硬核长文《Super-agent 设计探索：迈向更自主的 Agent 系统》，各种AI群里直接炸锅了。
开源Agent协作平台LobeHub已让主管Agent协调Claude Code、Codex等自主开发与审查，并由Acceptance生成验收报告，人类仍负责审批和最终判断，系统尚无法完全无人值守。
经过决策训练的语言模型，重新打开生成开关后，未必还能稳定地推理。在研究者的实验中，4B 模型在约 40% 的问题上几乎不生成推理；9B 模型则走向另一端，在约 70% 的问题上持续生成，直到触及长度上限。
9 月以来，全球顶尖大模型几乎都在秀 3D。
过去几年，神经网络接连改写了一个又一个领域：图像生成有了 Stable Diffusion，视频生成已经能做到以假乱真，就连 3D 渲染也出现了 RenderFormer 这样的纯神经网络方法。但在高保真物理仿真上，神经网络始终没能交出令人满意的答卷，游戏、动画和机器人领域至今仍依赖需要手动调参、难以求梯度的传统求解器。
“你要不要上车？”