技术方向
开源模型、框架与仓库动态：权重开放、社区项目爆火、开源与闭源的力量消长。
226 条精选近 30 天 208 条共收录 908 条
Yicheng Xu提出TARSphere框架，包含基础设施TARSphere-Infra和多模态大语言模型智能体TARSphere-Harness，用于在物理和社会环境中评估长周期具身智能体。研究通过TARSphere-Bench基准测试评估了8个多模态大语言模型，发现通用模型在特定任务上表现优于专用具身模型，但任务更新和人类交互仍是挑战。
推荐理由：TARSphere框架首次将物理与社会约束整合进长周期具身智能体评估，揭示了通用模型在复杂环境中的潜力与执行安全挑战。
Zhuoyang Liu等人提出AW-0框架，将代码规划与视频、动作预测整合为三个耦合的生成流，在RoboTwin 2.0和双臂操作任务中表现优于VLA和WAM基线模型。
推荐理由：AW-0框架首次将代码规划与视频、动作预测耦合，为机器人提供了可复用的技能库，弥合了预测与执行间的鸿沟。
研究人员提出ALPS，一种预训练的视觉状态编码器，能够统一物理状态信息、原生语言对齐和像素重建三种能力。在LIBERO评估中，ALPS在ViT-B模型中实现了最低的聚合状态探测误差，同时保持了强大的语言对齐和准确的像素重建能力。
推荐理由：ALPS通过统一物理状态、语言对齐和像素重建三种能力，为世界模型提供了更全面的视觉基础。
Rodion Shkokov提出AOV-GS系统，使用冻结的SAM和CLIP模型引导机器人探索，构建支持开放词汇语义查询的3D地图。在Replica和Matterport3D数据集上，该方法相比纯几何主动规划提升了语言场mIoU 1.3-1.8个百分点，同时保持新视角PSNR相当。代码已公开。
推荐理由：冻结基础模型引导机器人探索，无需人工标注即可构建开放词汇语义地图，提升语义查询能力。
Qingling Fan提出S-rolling步态，通过S形平面曲线设计结合低扫掠高度移动与平面机动性，使蛇机器人在10cm间隙环境中实现90°和180°精确转向。该研究推导了关节空间步态方程，开发了准静态运动学模型，并通过实物实验验证了各种运动模式。
推荐理由：S-rolling通过S形平面曲线设计解决了蛇机器人在低空间环境中的转向难题，实现了90°和180°的精确转向。
该论文提出了一种计算方法，设计出不仅能够稳定行走，还支持多种步态的乐高步行机器人。研究通过特定的齿轮-连杆机构控制每条腿的运动轨迹，并使用独立电机驱动各腿，通过简单可适应的控制算法同步多腿运动，实现了稳定且多样化的运动。基于此方法，研究人员创建了多种乐高步行机器人，展示了不同的步态和外观，并制作了部分实物以验证其在现实世界中的运动能力。
推荐理由：通过齿轮-连杆机构与独立电机驱动，首次实现可变步态的乐高步行机器人设计，为模块化机器人提供了新思路。
AWS Solutions Architecture团队发布Deep Insight多智能体系统，解决了从原型到生产的五大核心挑战：执行流控制、模型选择、可靠运行、代码执行安全性和系统监控。
推荐理由：从原型到生产，多智能体系统面临五大挑战，AWS团队通过Deep Insight架构展示了如何解决执行流控制、模型选择、安全部署等关键问题。
美国国家安全局警告发现PHP存在两个严重漏洞，影响约70%的网站。OpenAI和Google的Wiz分别使用GPT-5.6 Sol和Gemini 4 Argon等AI工具发现了这些自PHP 5版本以来存在的漏洞。PHP基金会已发布补丁，建议网站升级至PHP 8.5.12版本。
推荐理由：AI同时发现并放大了PHP漏洞风险，这标志着安全领域进入AI双刃剑时代。
AWS发布了基于Strands Agents的自适应智能体智能框架(AAIF)，通过本地小模型处理常规任务，云端大模型处理复杂分析，降低API成本并减少延迟。该框架采用三层架构：智能调度层使用轻量级SLM作为决策层，本地处理层通过Ollama运行SLM处理常规任务，云处理层通过Amazon Bedrock处理复杂模式分析和战略建议。
推荐理由：通过本地小模型与云端大模型协同，AAIF框架解决了AI智能体全依赖大模型导致的成本与延迟问题，展示了智能路由的实用价值。
Recursive 公司发布了名为 Flint 的免费编码模型，可在笔记本电脑上运行，并声称主要由其 AI 研究系统 Eureka Machine 协助构建。Flint 是一个 400 亿参数的混合专家模型，仅需使用 25 亿参数即可完成任务，在 SWE-Bench Verified 基准测试中表现优于其他 500 亿参数以下的模型。
推荐理由：AI辅助构建小模型实现本地化部署，展示了递归自我改进的早期实践，但人类监督仍是关键。
NVIDIA发布Kumo Relational，这是一种预训练的关系基础模型，可直接在企业数据库上进行预测，无需任务特定训练、特征工程或表格扁平化。该模型在41项任务中超越监督学习模型，在SAP SALT企业基准测试上比AutoGluon集成模型高出8%的平均倒数排名(MRR)，可扩展至500B+行数据库的规模。
推荐理由：无需训练即可直接在企业数据库上进行预测，Kumo Relational在41项任务中超越监督学习模型，标志着结构化数据基础模型的新阶段。
Hugging Face 博客介绍了 VocabX 方法，通过按成本而非频率重构词汇表，在保持基础模型不变的情况下，将葡萄牙语作文评分系统的推理成本降低77%，同时提高了评分质量。该方法在多个领域和模型家族中都优于现有参考方法。
推荐理由：通过按成本而非频率重构词汇表，VocabX 在保持模型不变的情况下降低推理成本77%，为小模型领域专业化提供新思路。
Hugging Face 与 Pollen Robotics 合作发布了开源双足机器人 Microduck，开发者可使用 NVIDIA Isaac Lab 3.0 在仿真中训练行走策略，导出为 ONNX 格式后部署到真实机器人。
推荐理由：从仿真训练到真实部署的完整工作流开源，让更多开发者能低成本训练人形机器人行走策略。
研究人员提出HarnessAdapt-RL方法，在强化学习过程中同时训练智能体策略并适应其工具链。在9B基础模型上，该方法在SWE-bench Verified、Multilingual和Pro基准上分别比GRPO提高9.8、12.6和6.4个百分点，优于人工设计的OpenHands工具链。机制级技能的提升在评估后移除仍能保持，但部署时移除工具和 hooks 会损失最多7.7个百分点性能。
推荐理由：训练智能体时同时优化模型与工具链，比单独训练模型提升近10个百分点，但部署时需移除部分技能以保持性能。
GitHub宣布已完成Git基础设施架构优化，将99.99999%的仓库迁移至Azure和自有数据中心双存储。通过将quorum序列化范围从整个仓库改为单个引用，解决了25ms跨区域延迟导致的写入吞吐量瓶颈，使繁忙仓库也能迁移至Azure。新架构支持按需扩展虚拟读取副本，内部测试显示不同引用的写入吞吐量提高3-4倍。
推荐理由：GitHub通过修改quorum序列化方式将最繁忙仓库迁移至Azure，解决了25ms延迟瓶颈，为智能体规模Git基础设施铺路。
IBM 发布 Granite Speech 5.0 系列模型，包括新模型 granite-speech-5.0-2b 和更新版本 granite-speech-5.0-470m-turboctc、granite-speech-4.1-2b-plus。
推荐理由：IBM 推出 Granite Speech 5.0 系列模型，覆盖从高精度转录到边缘设备实时处理的完整语音工作流，开源策略让企业级语音技术更易获取。
千诀科技在2026物理AI与世界模型大会上发布预测式世界模型Polibrain，该模型专注于物理规律理解而非画面预测，已在四足、人形、轮式、双臂等机器人形态上开展适配。Polibrain通过多项式表征和因果记忆机制，实现跨本体智能能力复用，为不同形态机器人提供共享的智能大脑。
推荐理由：不堆画面预测，专注物理规律与跨本体复用，千诀Polibrain为机器人提供共享智能大脑。
Mistral与NVIDIA合作，将Mistral Large 4等AI模型与NVIDIA加速计算和物理建模工具结合，开发工程领域AI工作流。双方将创建公共基准测试和开放数据集，用于评估物理模型和计算机辅助工程中的智能体AI，并整合NVIDIA Omniverse进行3D仿真和资产创建。
推荐理由：Mistral与NVIDIA合作将AI模型与加速计算结合，推动工程领域仿真与设计闭环，接下来看标准制定与行业落地。
NVIDIA 在 Hugging Face 上发布 SimReady Central，包含2000多个用于机器人和AI工厂仿真的3D资产，支持碰撞几何、质量、摩擦等物理属性。OEM厂商可提交符合 SimReady 标准的资产，开发者可组合这些资产构建仿真环境，并通过 AI 辅助工具快速创建场景。
推荐理由：开放2000+仿真资产库把机器人开发门槛从建模降到组装，接下来看OEM和开发者如何共建生态。
NVIDIA推出Vera CPU，被Nebius、Nscale等云服务商采用，用于构建支持智能体计算的新一代基础设施。Vera CPU专为智能体工作负载设计，能在处理数千个任务时保持高速响应，支持AI代理执行代码、运行工具和测试结果。服务器制造商Bull、Dell、HPE等已基于Vera构建系统，数据公司ClickHouse、Elastic等测试显示其在分析、ETL和语义搜索工作负载上表现优异。
推荐理由：Vera CPU专为智能体计算设计，在千级并发下保持响应速度，正在重构数据中心与AI基础设施的底层架构。