AW-0:融合技能重用與未來預測的 Agentic World Action Model
AW-0 是一種 Agentic World Action Model 框架,將基於程式碼的規劃與影片及機械人動作預測結合,並在統一的 mixture-of-transformers 架構中聯合建模程式碼、未來影片和機械人動作。
AW-0 是一種 Agentic World Action Model 框架,將基於程式碼的規劃與影片及機械人動作預測結合,並在統一的 mixture-of-transformers 架構中聯合建模程式碼、未來影片和機械人動作。
DeepEvolve 是一個以未來事件預測為基礎的持續演進智能體系統,透過與動態環境互動,將預測推理過程轉化為能力。在每週更新的 FutureX 排行榜上,它連續三週排名所有系統第一,評分提升最高達 195%。在合成評測中,它於四個基礎 LLM 中均名列前三,較最強基線高最多 10.7 Bradley--Terry points。
Cohere Labs 團隊推出 CulturalRiddles,以 6,200 道由社羣成員創作的謎語,評估大語言模型對 62 個文化社羣的理解;資料涵蓋 45 個國家和 51 種語言。
Anthropic 公佈 Claude 在 64 小時自主設計活動中,為五種蠍毒神經毒素生成 318,484 個蛋白質候選設計,211 個進入實驗室測試,17 個符合結合標準。其中兩個針對 Cn2 的候選設計,其解離常數達個位數納摩爾範圍;Anthropic 公開全部 211 個設計及實驗數據,但研究未證明毒素中和、動物保護或有效抗毒血清。
ALLOT 是一種無需訓練的稀疏度分配方法,為影片擴散 Transformer 的不同層與去噪步驟分配區塊稀疏注意力密度,以在延遲預算內提升輸出保真度。使用 XAttention 時,ALLOT 在相同或更短執行時間下勝過所有比較的分配策略,在 HunyuanVideo 上帶來 11.8 dB PSNR 提升。
Memory-Centric Continual Learning(MCCL)提出以記憶推動 AI 智能體持續學習,並以記憶能否改善未來行動,而非只看能否檢索資訊,作為評估核心。框架以儲存基底、記憶資產和管理政策建立分類及雙迴路生命週期,並評估記憶保留、適應變化和任務遷移。它亦建構記憶擴展框架,分析經驗、儲存容量和運算預算與智能體表現的關係。
貝塔無限提出具身長期記憶系統 BetaMem,在四項記憶基準評測中均取得 SOTA。評測使用 9B 開源模型 Qwen3.5-9B;在 M3-Bench-robot 的多細節、多跳及人物理解題型中,分別領先最強參照 15.96、23.51 及 27.93 個百分點。去除來源證據後,該基準準確率由 48.08% 降至 38.61%。
Harness Scaling 透過多種執行配置訓練智能體強化學習模型,提升模型對未見過 harness 的泛化能力。研究以因子化 harness 空間選取訓練子集,並安排跨 harness 訓練;在多個基準測試、模型規模和強化學習算法中,這種方法均改善了對未見白盒配置的泛化。以結構化白盒變化訓練的模型,也能有效遷移至未見的外部黑盒 harness。
VX-One 是一款用於邊界分流的多任務神經網絡,以 100K-10M 參數輸出經校準的類型化決策,CPU p50 延遲約 0.7-1.7 ms。測試顯示,它在 UNSW-NB15 及 CIC-IDS2017 時間漂移下的檢測表現較佳,但三個基準的多類別歸因均由 XGBoost 勝出。所有方法在時間漂移下的校準均明顯下降,ECE 由 0.04 升至 0.40。
ALPS 是預訓練視覺狀態編碼器,整合物理狀態預測、語言對齊與像素重建,作為世界模型的共用基礎。以靜態圖像和文字從頭預訓練的 ViT-B/16,在 15 個公開編碼器的統一評測中取得最低 LIBERO 狀態探測誤差,媲美規模大 3.5x 的 V-JEPA 2-L。
RubatoCodec 是基於 X-Codec-2 的可變影格率語音編碼器,以固定的長句事件預算和自適應事件編碼,支援串流解碼。受控實驗顯示,在低事件率下,其重建保真度和清晰度優於固定速率編碼;與其他編碼器相比,它在英語和日語基準測試中保留清晰度的表現最佳。用於文字轉語音時,該表示法取得較低 WER、較高 UTMOS 和 UTMOSv2,説話者相似度則相若。
Future Chunk Prediction(FCP)透過對未來片段施加監督,改善自回歸影片擴散模型對視覺演變的建模,生成的影片亦更具物理合理性。FCP 無需額外預訓練視覺編碼器,亦不改變自回歸推理流程。相較標準的教師強制自回歸訓練,這種方法的整體訓練計算成本較低。
PUDL 的 EIA-860M 變更記錄會漏掉發電機狀態改變後回復原值的記錄,因為去重規則會比對同一發電機的整段歷史,而非只比較上一筆記錄。2026 年 1 月至 8 月,EIA 工作簿與變更記錄在 2,395 個發電機月份的狀態、計劃月份或容量上不一致。2026 年 8 月涉及 301 台發電機及 16,574.2 MW;文章建議暫時以 EIA 月度工作簿核對。
MV2 的 Kakeya 型問題筆記以電腦輔助排除(B5)的 420 個類別,令 A(7) ≤ 8 收窄至判定(B6)是否為空。(B6)尚有 68 個類別中的 20 個未解。結果依據未附證明憑證的 SAT solver 答案;筆記由 AI Agent 協助撰寫,尚未有數學家核查證明。
OpenAI、PerturbAI 與 Scripps Research 使用數千個由 GPT-Rosalind 驅動的 AI 智能體,在 32 分鐘內分析數百萬個小鼠腦細胞的既有實驗數據,並將結果整理成公開的推理圖譜。
Microsoft Research 於 2026 年 10 月 21 日宣佈,Xinzhi Zhang 與 Zhao Song 以人類主導的 AI 智能體研究流程證明 KLS 猜想。論文證明 KLS 常數有不隨維度改變的普適上界;研究者探索逾 100 種候選方案,透過遞迴改進和控制累積誤差完成證明。文中亦提及另一組獨立證明,以及以 Lean 4 形式化驗證、常數上界為 500 的 KLS 命題。
推薦理由:文章呈現研究者如何從逾百種候選方案中篩選方向,並透過遞迴改進與累積誤差控制完成維度無關的證明,具體説明人機協作的數學研究流程。
Polygon Bridge 漏洞面分析指出,其驗證者集合集中,RootChainManager 可由沒有時間鎖的 ProxyAdmin 升級,構成嚴重風險。分析列出 7 項問題,包括退出證明缺乏重放保護、ERC-20 Predicate 合約存在重入風險,以及代幣 decimals 驗證不足。文章評估其 TVL 約為 $2.71 B,並指出相關問題可能導致資產被盜或資金損失。
Sierra 推出 τ-i18n,將 τ-Voice 擴展至西班牙語、巴西葡萄牙語、印地語、韓語和普通話五種語言。評測涵蓋航空、零售和電訊任務中的三個語音代理及 2,700 次主要通話,分別衡量任務完成率、互動表現和生成品質;韓語任務完成率平均較英語低 22.6 個百分點。Sierra 開源程式碼庫及 LanguageFactory,供母語人士、研究人員和語言社羣擴展至更多語言和地區設定。
Conclave x402 Research 檢查 22,013 個 x402 目錄項目,發現抽查的端點多數符合目錄描述,但輸出説明及實際付款選項常不完整。在 100 個即時端點樣本中,93 個回覆 402,其中 83 個(89.2%)與目錄描述完全相符;兩個公開目錄只有 4,190 個資源重疊,重疊項目中 84.4% 記錄的付款選項數目不同。
作者透過基準測試評估開源共享記憶系統 Big Agentic Brain(BAB),結果顯示它能提升 AI 編碼智能體修復依賴團隊知識的程式錯誤成功率。在團隊知識測試中,Claude Sonnet 5.5 的成功率由 12% 升至 79%,加上一行先搜尋提示後達 100%;跨隔離工作區共享記憶後,隊友修復率為 96% 至 100%,本機筆記組則為 13% 至 67%。
ether.fi Stake 的 Gas 優化審計指出,存儲佈局、獎勵計算及批量分發等環節存在耗氣問題,並發現代理合約存儲衝突等安全風險。一般存款或提款的基準 Gas 消耗約為 Ethereum L1 的 115 k、L2 的 70 k;採納高影響建議後,估計可降低 30-45%,至約 65 k 和 40 k。審計亦指出代理合約存儲衝突及 ERC-20 轉帳回調重入等攻擊風險。
Nestor 在 attention 中引入巢狀稀疏性,在計算量和稀疏度相同的情況下,語言模型預訓練表現優於傳統 MoE Transformer。Nestor 更有效適應較長上下文,也能更有效率地適應新領域,同時減少對舊領域的遺忘;程式碼和檢查點已在 GitHub 提供。
LeWorldModel(LeWM)的主導動作方向與環境中的方向存在偏差:Reacher 約為 36°,OGBench Cube 約為 42°。動作擾動幅度增加十倍,幾何差異在 Reacher 約減少 70%,在 Cube 約減少 47%。在未見過的動作反應幅度預測上,LeWM 的幾何指標不及環境誘發的度量準確。
Dual Exam 分別評測多模態智能體與世界模型在不同領域的表現,並揭示兩者在試點測試中未能共同成功。智能體評測涵蓋 1,088 個項目及 15 個報告類別,GPT 6 Astra 的加權分數為 31.3;世界模型評測涵蓋 400 個案例及八種情境,GPT-Image-2 的整體分數為 21.7。兩組分數採用不同任務和指標,不能直接比較;150 個案例的配對試點中沒有任務成功。
研究提出 FLORA,一套面向機械人基礎模型的開源工業級數據引擎,提供帶時間戳的字幕生成、結果與過程獎勵標註,以及預訓練資料整理。FLORA 在 WGO-Bench、RoboReward 和 Robometer 上取得 SOTA 成績,內部基準測試表現可與 GPT-6 Astra 相比,成本比 GPT-6 Astra 低約 125 倍。
HiP3R 以階層式姿態圖整合影片的局部重建,生成全局一致的相機軌跡與 3D 幾何,無需重新訓練。它先優化 chunk 層級的 Sim(3) 圖以確立全局佈局和尺度,再為每個影格估算共用的 SE(3) 相機,將重疊視窗的預測整合為單一軌跡。實驗顯示,HiP3R 能改善相機軌跡和 3D 重建,並適用於 chunk-based 和 streaming 後端,無需額外訓練或微調。
DirCast 是單一串流影片語言模型,能根據過往畫面選擇鏡頭並生成即時解説,負責電競直播的導播與解説。研究團隊以 27 場職業 Dota 2 賽事建立數據集,DirCast 的導播表現優於規則式及零樣本導播,包括 GPT-5。在 Proact-VL 評測中,其解説有 29.2% 的比較勝過 GPT-4o;觀看人工導播直播的 11 個串流解説模型中,最佳者為 19.4%。
TWIG 將神經網絡權重表示為共享離散決策路徑,並把剪枝、量化、低秩分解、碼本及權重共享統一為同一物件的編輯。在大型語言模型的五個權重矩陣上,3-bit 和 4-bit 精度下,TWIG 所需加法次數較 GPTQ 少 9–15%;在有明顯離羣值的矩陣上則少 20–55%,且層誤差相同。當決策採用 2 的冪次時,權重層可構成幾乎全由導線和加法器組成的電路。
研究以機器學習優化的光學模型分析分子薄膜的偏振共振軟 X 射線散射(RSoXS),實現對埋藏界面分子取向、化學種類及堆積狀態的深度定量分析,分辨率達亞單層。分析發現分子取向與堆積由界面起呈梯度演變,顯示表面與體相生長動態相互競爭,並與基底圖案化假説相矛盾。
研究提出 OPTIC,以跨層共用量化碼壓縮 Gemma 4 的逐層嵌入(PLE);約 100× 壓縮下,其在七項基準保留 BF16 E4B 性能的 97.8%,高於產品量化的 66.3%。直接以緊湊代碼提供 BF16 E4B 服務,可減少 29.7% GPU 記憶體用量;在 RTX 4090、相同 1 GiB KV cache 下,實際執行時間最多增加 0.40%。
PaperFormalizer 是以 Lean 為基礎的智能體流程,協助作者找出並修補論文證明或假設中的缺口,產出經 Lean 驗證的版本。流程會在陳述有歧義或需要修補時詢問作者,並將可能改變論文主張的決定交由作者處理。它在 Claude Code 或 Codex 等編碼智能體中運行,輸出附註修訂版、變更報告,以及與論文陳述連結的 Lean 程式碼。
HiSTEVE 提出一種分層 VLA 智能體,結合長程規劃與原生鍵盤、滑鼠控制,在 Minecraft 執行複雜的開放式任務。它在 MineStudio Bench 得分 85.0%,在 OpenHA 的平均成功率為 37.4%。該智能體亦能像人類玩家一樣,從零開始製作鐵鎬。
對 G-Retriever 的分析發現,其圖 token 在不同輸入中幾乎無法區分,主要充當通用軟提示,而非傳達圖的關係結構;此現象亦見於後續方法。在三個基準測試中,不讀取圖的固定提示可達到或超越 G-Retriever。研究提出兩階段程序以產生非坍縮 token,並指出應透過對齊探測評估圖 token,而非只看任務準確率。
MMVistaReason 提出開放數據後訓練方案,結合難度感知蒸餾、強化學習及多教師訓練,以提升多模態推理能力。在 15 項基準測試中,MVR-4B 平均得分為 72.8,使用的樣本比 MMFineReason 少約 70%,並勝過 Qwen3.5-9B (Instruct) 和 MMFineReason-8B。
R²Orch 提出遞歸自我博弈編排方法,透過內外循環訓練編排器,並以自選任務和技能撤除推動改進。實驗顯示,R²Orch 在 12 個數據集的問答、數學、程式碼及互動任務中,持續勝過基線方法。技能撤除以受控評估為依據,當編排器不使用某項技能仍表現相當時,外循環便撤除該技能。
研究比較封閉集合決策中的聯合評分與逐選項評分,結果顯示在 32 million 參數設定下,逐選項方式表現較佳。在 37 個基準決策套件的留出樣本上,三個 seed 試驗中逐選項方式按相同 optimizer steps 和近似相同訓練計算量,分別高出 5.8 和 2.8 個經機會校正的技能分,但需要多 5 至 13 倍編碼器運算次數。
這項研究聯合調整擴散努力程度與 speculative decoding 的接受寬鬆度,探索推理速度與輸出品質之間可達的帕累托前沿。實驗顯示,聯合調整這兩項參數,較單步擴散草稿生成可進一步擴展速度與品質的帕累托前沿。
DISC 是一種可學習的聚合框架,透過校準遷移觀測,選擇、加權及整合不同相似度指標,以預測時間序列數據集之間的下游預測遷移表現。研究顯示,DISC 在所報告的數據切分上,比單一指標更能對齊下游表現;數據集相似度的作用會因下游任務而異。
FocusVLA 根據預測的互動意圖,在機械人操作不同階段動態切換全局與局部相機視角。在 RoboTwin 2.0 上,其平均成功率較最強基線 π_{0.5} 高 10.10 pp;真實環境評估中,成功率由 71.7% 提升至 85.0%。意圖預測與動態路由模組可整合至現有 VLA 框架,無須修改核心架構。
Echo 將停止與失敗訊號納入 Vision Language Action 模型,並與機械人動作一同去噪,協助機械人在任務成功時停止、失敗後啟動復原或重新規劃。框架無須逐影格進度標註,並透過令狀態訊號比動作更快完成去噪,讓後續動作生成參照更準確的狀態估計。實際機械人操作實驗顯示,Echo 能準確預測任務狀態,並持續提升策略表現。
最多提供 50 頁,更早的內容請使用搜尋或主題頁。