
机器人会自己攒Skill了!复旦提出具身自进化新框架 (opens in a new tab)
复旦大学可信具身智能研究院团队提出具身自进化框架RoboSkill,通过触觉反馈确认物理状态并积累、复用含代码的Skill,减少机器人Agent重复探索与推理,缩短任务执行时间。
Categories
Practical guides to AI tools, models and related technologies.

复旦大学可信具身智能研究院团队提出具身自进化框架RoboSkill,通过触觉反馈确认物理状态并积累、复用含代码的Skill,减少机器人Agent重复探索与推理,缩短任务执行时间。

智谱唐杰团队发布并开源无标签递归自我改进框架HarnessPro,在SWE-Bench Pro等基准提升通过率的同时,将单任务平均成本降低53.0%。

港科广新基准UI2App以600张静态截图评测模型推断并实现应用交互的能力,Gemini 3.1 Pro Preview以73.2分获视觉还原第一,但Claude Sonnet 4.6以36.8分居交互推断首位,跨页面状态仍是参评模型共同难点。

Adobe Research与UCLA提出Tev,构建含1170个环境、覆盖7个领域的Tev-Gym并提出进度势能奖励塑形(PPRS),训练出的Tev-27B在ALE-CM的Pass@5达0.28,与GPT-6 Astra、Claude Opus 5持平。

Bo Liu课题组在NeurIPS 2026论文中发现,多Agent通信并非信息越充分越好,Qwen3-Next-80B-A3B向Qwen3.5-9B发送消息使ContextBench准确率提高14.2个百分点,却令ToolSandbox下降23.6个百分点,并提出无需重训模型的按需通信策略。

至知创新研究院公开IQuest-Q1完整技术报告,披露其采用320B总参数、15B激活参数的稀疏MoE架构,以29T Tokens和超100万个可执行任务训练,并通过三层机制防止奖励作弊,架构规模化效率达1.93倍。

阿里千问联合俄亥俄州立大学提出TRACE,以Rollout侧FP4量化结果引导训练侧舍入,在四个Qwen MoE模型上保持接近BF16的性能,并使128K输出解码吞吐最高提升5.4倍。

EchoChat将共情语音对话拆分为感知、心智理论推理和回复生成,并通过Acoustic-Anchored Attention与Step-Decomposed Credit Assignment统一优化,在三项评测中取得领先表现。

弗吉尼亚理工大学与Meta团队提出ReGDiff,通过RAS整理潜空间并用SRR短程排斥引导扩散采样,在MetaTruss和MetaShell上较最强基线平均提升几何合理性8.9%、新颖性46.4%和多样性128.6%。

AI生图越来越强了,但大家似乎也苦“AI味”久矣。

语音是人类最自然、最习惯的交互方式。随着代码智能体、办公智能体逐渐普及,人们对智能体的期待也不再只是 “问一个问题、得到一个答案”,而是希望像和同事一样持续沟通,共同完成一项工作:任务进行到一半,可以随时询问进展;想到新要求,可以直接补充;方向变了,也可以马上取消或修改。

在荷马史诗《奥德赛》与特洛伊传奇中,特洛伊人把看似神圣礼物的巨大木马迎入城内,暗藏其中的希腊勇士在夜色中洞开城门,令固若金汤的城池瞬间陷落。

如果让 GPT、Claude、Gemini 直接指挥机器人干活,谁更靠谱?

在视频生成领域,少步视频模型已经实现只需少量采样步骤,就能生成连续画面。

在将 LLM 真正应用到产品的过程中,我们经常会遇到一个看似简单、却非常关键的问题:模型生成的内容,究竟有多可信?

增强模型的表达能力,可以让Transformer更灵活地读取和整合信息。Attention Residuals(AttnResidual)沿着这个方向,将注意力从token之间的信息交互扩展到网络深度,让每个子层学习选择哪些历史层输出。

今日,无界动力正式发布并开源 MWA™-Phoenix 隐空间世界模型基座,横扫 LIBERO-Plus、LIBERO-Pro、RoboCasa GR1、Bench2Dex、RoboTwin 2.0 和 RoboDojo 真机榜。

1995年,Michael Wooldridge和Nicholas Jennings在《Intelligent Agents: Theory and Practice》中,将自主性(Autonomy)、交互能力(Social Ability)、反应性(Reactivity)和主动性(Proactiveness)列为智能体的四项基本特征。

AI Agent 能否像研究人员一样,从论文中学习?

导读:只需几秒参考音频,现代语音克隆模型就能合成与目标说话人高度相似的语音。但真实部署中的参考录音往往带有噪声,文本可能异常、超长或跨语言,生成的语音还要经过压缩和电话传输,有人甚至会给自己的声音加上「防克隆」保护。
Join the conversation
Read how to join the community. No sign-in is required to read articles.