几亿美金砸出来的硅谷大模型，被一台相机干翻了！
数亿美金，竟输给了一台相机？
全球首个！银河通用新框架仅需人类视频即可部署，特斯拉蚌埠住了
终于，现学现用的风也是吹到了具身智能。
机器人需要「看到三维未来」！RynnWorld-4D重塑4D具身世界模型
近两年，视频生成模型在具身智能领域受到持续关注。从 UniPi、SuSIE 到各类 action-conditioned video generation 变体，其核心思路一致：先由模型生成一段未来视频，再从中提取动作信号供机器人执行。
让VLA更懂接触，优理奇UniTac让机器人拥有“触觉想象力”
机器人，也开始拥有“触觉想象力”了。
ECCV'26| 看起来会动，还要动得合理：从生成模型中主动寻找物理证据
PhyMAGIC通过让物体动起来，从视频中提取物理证据，帮助准确推断材料属性。它结合图生视频与视觉语言模型，生成针对性运动探针，并不断修正物理参数，最终构建出可微分的3D动态模型，实现更符合现实的视频生成。
让动态投机解码不再局限于DSpark：LightSpec首个开源动态MTP系统实现
随着 DeepSeek 发布 DSpark，动态 MTP（多 Token 预测）成为了对抗高并发、提升 GPU 利用率的绝对焦点。然而，DSpark 高度绑定特定模型且需要额外训练。
统计学20年悬案，GPT-5.6用90分钟破解！伯克利教授直呼「心塞」
困扰统计学界整整20年的核心悬案，被AI击碎了。
Lychee-FD：哈工大张民教授团队在全双工语音大模型领域取得重要突破，斩获ACL 2026杰出论文奖
全双工语音对话是人类最自然的交流方式，是语音对话研究的梦想。相比文本输入，语音天然更接近人的交流方式，但现有语音对话常常停留在 “一问一答、听完再说” 的轮次式交互范式。
分享一下我现在随时随地让Agent干活的远程操控方案。
昨天那篇文章，我说了一下我现在用Agent的日常。
全世界都在说超越了 PI，可他三个月没出新东西了。
大家好，我是瓦力，具身算法研究员。 我有个习惯，隔三差五都会去 PI 的官网刷一下，看他有没有新东西。最近这三个月，官网主页是一动没动，停在四月的 π0.7。
腾讯发布两大具身智能基座模型，VLM&RxBrain让机器人更懂现实世界
7 月 15 日，腾讯 Robotics X 实验室以及福田实验室联合腾讯混元推出两款具身智能基座模型 —— 具身 VLM 基座模型 Hy-Embodied-VLM-1.0 以及 具身世界认知基座模型 Hy-Embodied-RxBrain-1.0，不仅让具身大脑能够 “看” 懂现实世界，还学会同时推理和想象。
翁荔长文谈Harness自进化：Agent越用越强，评测难点怎么破？
近日，翁荔发布长文 《Harness Engineering for Self-Improvement》，系统梳理了 harness engineering 在 AI 自我改进中的作用。
刚刚，逐际动力放出一段Demo，Figure：睡不着啊
昨天刚完成2亿美元Pre-IPO轮融资，逐际动力没有急着讲资本故事，而是立马甩出一段全尺寸人形机器人Oli全自主做家务的视频：
为什么说以Xmax X2.0为代表的实时交互视频模型值得重视？
我们先来看两个画面。
几千人催我蒸馏的X冷启动Skill，开源了！
大家好，我是袋鼠帝 几天前我尝试做了一个相对粗糙的视频，是关于我开源的仓颉Skill的 没想到居然爆火了！（全网将近50万播放）。
大模型RL训练为何会「越训越窄」？ACL Outstanding Paper从token-level熵变揭示RLVR训练机制
基于可验证奖励的强化学习（Reinforcement Learning with Verifiable Rewards，RLVR）正在成为大模型后训练的关键技术。数学题能判对错，代码能跑测试，可验证奖励让大模型可以通过强化学习持续提升推理能力。
世界模型迎来「真考场」：WorldArena 2.0 Challenge正式启动
WorldArena 1.0 的核心意义，在于将世界模型评测从 “好不好看” 推进到 “是否真的有用”。它不再只关注视频观感，而是把物理一致性、可控性、3D 准确性和具身任务功能性纳入统一评测框架，使许多看似流畅的生成结果第一次在机器人具身任务中接受检验。
ISSTA 2026｜LAVE：面向扩散语言模型的约束解码
推理大模型 (如 DeepSeek-R1、o1) 靠长思维链拿高分，却普遍「想太多」: 研究统计了五个代表性模型里，发现有 41–52% 的 token 是在模型给出它的最终答案之后生成的。
用推理步骤的「语义冗余」给LRM过度思考踩刹车
推理大模型 (如 DeepSeek-R1、o1) 靠长思维链拿高分，却普遍「想太多」: 研究统计了五个代表性模型里，发现有 41–52% 的 token 是在模型给出它的最终答案之后生成的。
Codex 桌宠保姆级教程：准备这 3 样东西就能开始
最近我在给 Codex 折腾一只自己的桌宠。