gulucaptain's Blog

科研速递｜学院邱锡鹏教授创立的模思智能完成超10亿元Pre-A轮融资，布局下一代AI全模态实时交互基座

Tue, 13 Oct 2026 09:10:00 +0800

复旦邱锡鹏教授创办的模思智能完成超 10 亿元 Pre-A 轮融资，把赌注押在「全模态实时交互智能」——让 AI 不靠人先把世界翻译成 prompt，而是自己持续看见、听见并跟上一个正在发生的现场。

ArXiv 每日精选 · 2026-10-13

Tue, 13 Oct 2026 05:50:00 +0800

本期覆盖 2026-10-12 ArXiv 公告批次，精选 8 篇最新 AI 论文，涵盖几何引导的视频扩散导航、世界模型合成数据、VLA 双流记忆、统一生成式视频压缩、3D 高斯个性化 VLA、自动驾驶反思式自蒸馏、自适应分块去噪加速与可修正具身记忆等核心方向深度分析。

Math 每日速递 · 2026-10-13

Tue, 13 Oct 2026 04:08:00 +0800

arXiv math.PR 2026-10-12（Mon, 12 Oct 2026）新批次 40 篇 + PTRF / Annals of Probability 近期上线，候选池 94 篇，精选 6 篇：branching process 主线 2 篇（Ting Yang 给出超临界非局部分枝超过程加权占据时的函数中心极限定理与三 regime 三分律；Khanfir 刻画出稳定 Galton–Watson 树 Horton–Strahler 数的涨落并定义 Strahler dilation），非马氏过程主线 1 篇（Mijatović–Virgili 用逆从属子时变斜反射扩散，给出次 / 正常 / 超扩散三 regime 的二阶矩渐近与爆炸判据），stochastic flow 主线 1 篇（Chengshi Wang 建立 Bass–Burdzy 流局部时的白噪声积分表示，并用 Jacobi 流回答 Aïdékon–Hu–Shi 的一个问题），紧密邻域 2 篇（Chiarini–Pasqui 在 d ≥ 3 随机环境下 DGFF 硬墙排斥的淬火大偏差与路径熵排斥；Cannizzaro–Klose–Moulard 在临界维数 d = 2 上给出一般非线性随机 Burgers 方程对数超扩散的高斯不动点）。self-interacting random walk 主线本期唯一候选 score 5 未过红线，按宁缺毋滥留空。

刚刚，Karpathy称全球只有5000人，真正接触过最前沿AI

Mon, 12 Oct 2026 08:55:00 +0800

Karpathy 用四层漏斗（60 亿人没碰过 LLM / 10–20 亿只用免费版 / 2000 万专业用户 / 5000 人有实验室内部访问权）说明：同一个 AI 在不同人眼里的样子完全不同，而决定差距的三个因子是问题规模、能力锯齿状（集中在数字化可验证且赚钱的领域）和访问权限。

ArXiv 每日精选 · 2026-10-12

Mon, 12 Oct 2026 05:55:00 +0800

本期为周末补遗二，继续从 2026-10-09 ArXiv 公告批次精选 8 篇高相关论文，涵盖人形世界动作模型、贝叶斯空间世界模型、因果视频扩散、VLA 潜在推理复用、具身策略时序记忆、生成式人机重定向、跨异构触觉与统一多模态扩散蒸馏等核心方向深度分析。

Math 每日速递 · 2026-10-12

Mon, 12 Oct 2026 04:08:00 +0800

arXiv math.PR 2026-10-09（Fri, 9 Oct 2026）公告批次 45 篇 + PTRF / Annals of Probability 近期上线，候选池 105 篇，精选 10 篇（00:30 首刊 6 篇 + 04:00 增补 4 篇）：branching process 主线 5 篇（Ishak 的临界分支随机游动香肠容量；Chen / Lin 按三个维数区间的 Yaglom 型极限定理；Bansaye–Berah–Cloez 的无穷维 Kesten–Stigum 强律；Zhu 在 ℤ^d、d ≥ 5 上建立 branching capacity 并给出访问概率渐近与命中点条件分布；Hartung–Louidor–Wu 给出分支布朗运动极值与簇水平集质量的涨落），self-interacting random walk 主线 4 篇（Sabot–Tarrès 的 ⋆-VRJP 混合表示；Qin 证明弱强化 Pólya 瓮 homogenization 猜想；Singh 的径向 excited random walk 球形 shape theorem；König–Pétrélis–Soares dos Santos–van Zuijlen 的 Pareto 随机势中弱自避行走的变分刻画），紧密邻域 1 篇（Cai–Li–Shiraishi 用 recovery 性质唯一刻画三维 LERW 缩放极限，解决 Sapozhnikov–Shiraishi 猜想 1.3）。非马氏过程与 stochastic flow 两条主线无新作，按宁缺毋滥原则不凑数。

比Jev更爆火！逆向灭霸 REA 一天登顶GitHub

Sun, 11 Oct 2026 13:30:00 +0800

一个叫 REA 的开源 MCP 工具把 Ghidra/Hopper/IDA 等反编译工具接进 AI Agent，让你指着任何商业软件说「这个功能我要了」，Agent 就去翻它的二进制并给出重构实现——新智元据此宣称闭源护城河破产。

全球17大顶级AI实验室大逃杀！惨遭集体翻车，GPT-5.6与Opus断层领先

Sun, 11 Oct 2026 10:57:00 +0800

NUS/NTU/GaugeForge 团队建了一个 1:1 虚拟量子实验室 Quantum-Harbor，用 49 项真实量子工程任务（QIQCBench）和一套「Evidence-bound grading」——不看最终答案、直接查 Agent 的底层执行记录并在全新隐藏物理环境里盲测——给…

刚刚，陶哲轩加州理工演讲：数学2.0正式到来，证明稀缺性时代彻底结束

Sun, 11 Oct 2026 08:30:00 +0800

陶哲轩在 Caltech 讲《Math 2.0》：数学因为「客观可验证 + 高度可数字化 + 海量高质量数据」三特性命中机器学习的最强项，正从证明匮乏时代被拽入证明充沛时代——但解题从来只是人类理解的替代指标，在证明充沛时代这根标尺彻底错位，盲目刷解题速度反而有害；AI 的正确用法不是替人解题…

ArXiv 每日精选 · 2026-10-11

Sun, 11 Oct 2026 05:57:00 +0800

周末补遗：继续深挖 2026-10-09（Fri, 9 Oct 2026）公告批次。精选 8 篇论文：完全用仿真数据训练、零样本迁移到真实家庭的移动操作 VLA SimVLA（延世大学 + 首尔大学，优于用 50 条真实域内示教微调的 π0.5）、把相机集合表示与动作学习解耦、相机位姿扰动下只掉 0.8 pp 的 VersaCamVLA（香港中文大学（深圳）+ 深圳 Loop Area 研究院 + 哈尔滨工业大学（深圳），NeurIPS 2026，RoboTwin 2.0 Clean 52.56%）、用统一潜动作空间让跨本体机器人世界模型随预训练本体数正相关的 LAC-WM（斯坦福 + Meta FAIR Robotics，灵巧操作最高 +46.7%）、共享视觉编码并联合预测多候选未来、在 RTX 5090 上加速 128 倍的 LiteNWM（南京大学 + 帝国理工 + Sony AI + 北邮，真机导航成功率 43.3% → 83.3%）、把分数曲率蒸馏成结构化精度矩阵、免蒙特卡洛采样即可给扩散轨迹不确定性的 SCOPE（新加坡国立大学 + LAAS-CNRS，CoRL 2026 Spotlight，静态场景成功率 0.83）、把多智能体第一人称世界建模做成共享 token 序列联合去噪的 ME-World（KAIST AI）、把静态区域与动态主体拆开分别对齐世界先验的 4D 奖励框架 WorldAlign（香港科技大学（广州）+ 香港科技大学 + 快手 KlingAI + 香港大学，在 Wan2.1 / Wan2.2 上同时提升静态与动态一致性），以及用 Archive & Working Banks 与 Bank-aware RoPE 解决「中期遗忘」的流式视频生成方法 Memory Forcing（南京大学 + 清华大学 + 快手 Kling Team + 上海人工智能实验室，首个公开的 5B forcing 系列模型）。

从记忆到自进化：Agent 走向 RSI 的关键一步

Sat, 10 Oct 2026 23:50:00 +0800

MemoraX 提出：RSI 真正卡住的地方不是模型会不会干活，而是上一次的经验能不能变成下一次的起点——于是把记忆拆成「写入（可学习的策略）/ 迁移（内容与访问结构解耦）/ 反馈优化（记忆贡献归因）」三段，用 Agentic RL 训练一个专用记忆模型，在长程 Coding、金融分析、IMO…

ArXiv 每日精选 · 2026-10-10

Sat, 10 Oct 2026 06:00:00 +0800

覆盖 2026-10-09（Fri, 9 Oct 2026）公告批次。精选 8 篇论文：在预训练的「面向预测」表示空间里做潜世界建模、把动作条件化于预测未来的 PLaW-VLA（吉林大学 + Astribot + 哈尔滨工业大学深圳 + 香港理工大学 + 东京大学，CoRL 2026，LIBERO 平均 97.4%、推理延迟仅为生成式 world-action modeling 的 1/19）、首个把观测、动作与场景动力学统一在公制三维坐标系里的 3D 原生世界动作模型 UNITAS（香港中文大学深圳 + DexForce + 佛山大学等，1.7B 参数下 LIBERO 99.8%、位移误差比 PointWorld 低最多 49%）、把程序性视频生成形式化为视觉世界空间中闭环任务执行并发布 59K 步级标注基准的 WorldGuide（MBZUAI，Task Success 33.33% 超过拿到参考动作计划的 MiniMax-H3）、把外部记忆系统换成模型内部状态与检索门、用三维重可见性信号监督检索时机的 Learning-to-Retrieve（北京大学 + 小米汽车 + 中科院自动化所 + NUS，重访 PSNR 13.71 → 14.74、相机旋转误差 12.98 → 6.29）、用 MoE 专家学视角特定变换让腕部相机扰动下成功率从 39.2% 回到 78.3% 的 WARP-VLA（延世大学 + 韩国电子技术研究院）、把经典运动规划的 path-time 参数化引入 VLA 动作表示的 PathTime-VLA（浙江大学，真机 58/60 且完成时间缩短 39%–52%）、用反事实后训练与缺陷奖励模型把交互缺陷率从 48.12% 压到 6.25% 的 DreamTrue（中科院自动化所 NLPR + 高德，AgiBot World Challenge 2026 世界模型赛道第一），以及让学生用多项式参数化教师轨迹段、四步生成盲评胜率 55.1% / 63.4% 的 Parametric Trajectory Distillation（EPFL + NVIDIA + 斯坦福）。

ArXiv 每日精选 · 2026-10-08

Thu, 08 Oct 2026 06:00:00 +0800

覆盖 2026-10-07（Wed, 7 Oct 2026）公告批次。精选 8 篇论文：用 3D 度量深度当训练信号并反哺 RGB 预测的操作世界模型 DepthWorld（捷克布拉格技术大学，CoRL 2026，重标定 7 万余 episode，PSNR +1.48 dB，标定误差从 111.3 mm 降到 14.0 mm）、把时间因果与逐状态递归解耦的并行预测世界模型 PPWM（清华大学 + 中科院微电子所 + 港科大广州 + 南洋理工，CEM 规划延迟 1235.2 ms → 374.5 ms、3.30 倍加速）、以共享显式 3D 状态替代隐式 cross-attention 的多智能体驾驶世界模型 Artemis（牛津 + 剑桥 + 新加坡国立大学等，MA-CARLA PSNR 17.743）、从控制论角度证明「预测不足以保证稳定」并给出 EP-IDM 修正的 JEPA 世界模型论文（哥伦比亚大学 + 纽约大学，latent-LQR 成功率 0 → 100%）、用「控制先到」这一零代价信号做缓存调度的交互式视频世界模型加速器 CtrlCache（奥克兰大学 + 新南威尔士大学，WBench Overall 0.6543 → 0.6786 且 1.21–1.41 倍加速）、量化视频世界模型「物体永存性」缺失的诊断研究（慕尼黑工业大学，运动物体在 0.3 秒内被判为不存在）、把生成视频中的手部姿态自蒸馏回动作的 AutodidactWAM（斯科尔科沃科技学院，真机成功率 17%/10%/7% → 75%/47%/42%），以及把动作潜空间锚定到未来视觉动态的 ViDAL（中科院自动化所，RoboTwin 2.0 +11.2%、真机双臂 +23.4%）。

ArXiv 每日精选 · 2026-10-07

Wed, 07 Oct 2026 06:00:00 +0800

覆盖 2026-10-06（Tue, 6 Oct 2026）公告批次。精选 8 篇论文：把音视频生成做到 29B 规模并全量开源权重与代码的 Kandinsky 6.0 Video（Kandinsky Lab，双流 CrossDiT + 连续预训练，5 秒 44 kHz 同步音频 + Full-HD）、为循环线性注意力补上「可选址长程记忆」的 HLA-WM（莫纳什大学 + 阿德莱德大学 + 浙江大学，60 秒上下文下历史状态存储仅需全 KV 缓存的 1/12，PSNR +0.74 dB、旋转误差 −28.5%）、用「替代物多少」动态重估每条观测价值的免训练空间记忆控制器 Keepsake（中佛罗里达大学，180 秒轨迹上 FVD 降 35.1% 而只保留 32 条而非 5397 条观测）、把未来演化写成显式 4D 场景状态并可编辑的 Kepler4D（伊利诺伊大学芝加哥分校 + 密歇根大学 + Cisco）、同时砍掉专家内迭代与专家间等待的一步异步世界动作模型 RealtimeWAM（南洋理工大学 + 北航 + 商汤，LIBERO 97.0%、延迟 12.2 ms、H100 上约 14–25 倍加速）、让 VLA 的「未来预测」真正由自己要执行的动作锚定的 ForeAct3D（UIUC + UIC + Cisco，LIBERO 98.3%、CALVIN 平均任务长度 3.73）、把零阶优化做成部署期可行方案的 VLA-ZO（UNIST，适配耗时降 25.59–32.54 倍、成功率 48.27% → 63.58%），以及无需触觉传感器也无需重训 VLA 的执行期接触监督器 AgenticTactileVLA（斯科尔科沃科技学院，五个未见物体上 61.3% → 84.0%）。

AI教母李飞飞最新访谈：10年后，只会剩下2类工作者

Tue, 06 Oct 2026 15:05:00 +0800

李飞飞反驳智能成本趋近于零，理由是语言之外还有感知、空间、身体、情感四类智能，而工业革命也从未真正自动化劳动——劳动里从来都掺着智能；她与 Rogier 共同认为未来职场呈杠铃结构，两端是前 1% 的顶尖专家与高主动性的通才，中间还不错的被动执行者空间被压缩。

一家影视公司为什么能做出全球第二的视频模型？答案藏在「生产系统」里

Tue, 06 Oct 2026 12:20:00 +0800

一家不做模型生意的影视公司，拿 MiniMax H3 做后训练做出 Utopai X，在 Artificial Analysis 的盲评榜上排到全球第二；真正值得看的不是这个名次，而是它把模型塞进了一套叫 PAI 的制片系统里——能生成一个镜头已经不是壁垒，能让几百个镜头在同一个故事里互相认账才是。

ArXiv 每日精选 · 2026-10-06

Tue, 06 Oct 2026 06:00:00 +0800

覆盖 2026-10-05（Mon, 5 Oct 2026）公告批次。精选 8 篇论文：用非平衡最优传输把少步蒸馏统一到文生视频、图生视频与条件生成三类任务的 VDOT++（悉尼大学 + 上海人工智能实验室等，四步生成器比肩多步教师）、用局部 + 全局混合奖励修相机可控长视频三维一致性的 LoGo（加州理工 + World Labs 等，并发布 TrajectoryBench）、无需新视角真值即可把多视角世界模型拓到连续相机位姿的 SymRegFlow（清华 + 博世等，nuScenes 上 FVD 相对最优基线再降 31% 以上）、把世界拆成场景与手并统一预测三维点轨迹的 PointWAM（POSTECH + KAIST 等，115 万条人类演示预训练带来 56.9 个百分点提升）、以稀疏视觉子目标做渐进式规划的世界动作模型 ProWAM（上海交通大学 + SII + Meta，LIBERO-Plus 85.8%、真机零样本 70.0%）、证明无需触觉策略预训练也能让 VLA 做好富接触操作的 SimpleTouch（清华 + 高德 + 香港理工大学，UniVTAC 六任务全项第一、均值 77.5%）、把在策略蒸馏用于轻量级 VLA 部署的 FastOPD（KAIST + 成均馆大学，两步推理保留 π0.5 的 84% 性能、延迟降 78.1%），以及把触觉抬升为球面 token 并做等变融合的 VISTA（香港中文大学 + 东南大学，CoRL 2026，50 条演示下仿真均值 80.9%）。

ArXiv 每日精选 · 2026-10-05

Mon, 05 Oct 2026 06:40:00 +0800

周末补遗三，来源仍为 2026-10-02（Fri, 2 Oct 2026）公告批次。精选 8 篇论文：把观察与行动解耦、用全景观察者接住出画物体的 World Observer（KAIST AI，2B 模型 FID 29.30/19.65、出画动力学 OOV-Dgt 0.426/0.531 全面领先）、用可重放世界记录检查视频模型是否真的渲染了程序所指定事件的 ROWBench（Alaya Lab，170 个程序化 episode、10 个前沿模型横评）、追问视频生成模型是否遵守只写在提示里的隐藏物理属性的 PhysicsLENS（亚利桑那州立大学，439 段人工标注中 34/47 看起来合理却没遵守属性）、把 DINO 语义喂进编码端与前缀的伸缩视频 tokenizer SemanTok（Stability AI + KIT，201M AR 打平 3.4 倍大小的 VideoFlexTok）、用同一动作的多种等价 token 化当数据增强的 TOAST（AIST，1/16 数据下 LIBERO +6.8 分、真机 +15.8 分）、在冻结 VLA 内部路由出动作相关 token 作 RL 状态的 eRLT（南方科技大学等，七任务 AUC 领先，真机 +108.9%）、用 500 小时可穿戴第一人称人类数据预训练人形全身策略的 λ0（阿里巴巴等，SIMPLE 90.0%、真机成功率 62.5%），以及把多教师分布因式分解成语言先验乘视觉似然的 LEGO-OPD（KAIST，多模态均值 46.28 vs H-OPD 43.47）。

ArXiv 每日精选 · 2026-10-04

Sun, 04 Oct 2026 05:55:00 +0800

周末补遗，来源仍为 2026-10-02（Fri, 2 Oct 2026）公告批次。精选 8 篇论文：用 110 个真实任务、2,640 段视频追问视频生成模型能否产出目标导向第一人称操作过程的 Ego2Act（MBZUAI + 南洋理工 + UNC，最好的 Seedance-2.0 综合仅 64.0 分，人类 100.0）、把世界动力学搬进 VLM token 压缩态的 Token-World（南方科技大学 + 北京大学 + 港科大 + MUKA Robotics，闭环成功率相关性 0.794 vs Ctrl-World 0.583，单步仿真 0.359 秒）、从 POMDP 推出「最优记忆应最大化 I(a;m|o)」的 Divide-and-Remember（新加坡国立大学 + 南洋理工，64 token 预算下 RoboMME 平均 38.6%）、用 1000 个案例审计前沿 VLM 机器人通才能力的 Embodied Agent Arena（港科大广州 + 港中文 + Knowin AI）、把特权信息从视觉裁剪换成文本空间引导的 Where-OPD（Valeo.ai + 索邦大学，合成场景训练却在六个真实感知基准上平均 +3.23）、把成功判据量直接当训练目标的潜世界模型规划诊断（京都大学 + 富士通，PushT +3.5%、cube +3.4%）、用流匹配建模机器人速度场的 NarrativeFlow（庆应义塾大学，ACCV 2026，Fractal ADE 21.68 vs 最佳基线 37.14），以及用免训练几何算子库修补视频空间推理系统性失效的 CROSS（新加坡国立大学 + 中国科学技术大学）。

苹果突然收紧Mac权限，为了防AI变得更像iOS

Sat, 03 Oct 2026 09:00:00 +0800

苹果于 2026-10-02（周五）在开发者网站发布《Updates to Full Disk Access in macOS》，宣布将为 macOS 的全盘访问权限加设额外控制：真正想授予这份权限的用户，今后也只能通过非常明确的用户操作才能给出。⭐ APPSO 这篇说苹果没有明着说、只是暗…

ArXiv 每日精选 · 2026-10-03

Sat, 03 Oct 2026 05:54:00 +0800

周末补遗，来源为 2026-10-02（Fri, 2 Oct 2026）公告批次。精选 8 篇论文：把潜空间劈成可控与不可控两块、让干扰信号全部落进不可控区的 CF-JEPA（Georgia Tech，密集干扰下唯一不坍缩）、用多样化 beam search 造候选未来再用组相对优势反哺世界模型的 FutureWorlds（港科大广州 + 港中文 + 腾讯 + 中科大 + 北大等，RT-1 / BridgeV2 / RoboCasa 的 32 帧 LPIPS 降 14.78% / 20.84% / 9.12%）、联合训练 tokenizer 与流匹配动力学以显式塑造「可预测」表征的 Latent-Foresight（Archimedes / Athena 研究中心 + valeo.ai，高分辨率 VFM 预测全面领先）、按相机共视性逐 chunk 检索、把长程训练成本压平的 Memorizon（MBZUAI 基础模型研究所，回访一致性再涨 24%–30%）、用稀疏三维骨架当世界状态、无需视觉重建的 SkeleWAM（北京大学，LIBERO-Plus 85.9% / 57.1M 参数）、先对齐再注入的预测式 VLA 框架 ATI-VLA（哈工大深圳 + 大湾区大学，NeurIPS 2026，LIBERO 平均 97.9%）、覆盖 10 类记忆的 90 任务长程操作基准 MIKASA-Robo-VLA（AXXX + MIRIAI + 俄罗斯高等经济学院），以及在仿真里真正执行扰动动作、再把视觉后果配回去的 CtrlWAM（NVIDIA，WorldArena 六项全最优）。

ArXiv 每日精选 · 2026-10-02

Fri, 02 Oct 2026 14:44:00 +0800

精选 8 篇来自 2026-10-02（Fri, 2 Oct 2026）公告批次的论文。涵盖用显式 4D 刚性几何作控制接口、把物体做成 canonical mesh 再逐帧施加刚性变换的 4Director（Stability AI + 伊利诺伊大学厄巴纳-香槟分校，IG-IoU 60.4 vs 3D mesh 53.0）、用 coding agent 维护显式世界状态表、让交互后果跨视频段持久的 Oneira（Monash + 布里斯托 + 大连理工 + 港中深 + 牛津，InteractionBench 交互通过率 0.78 vs 基线 0.05）、把非连续历史 KV 拼成马赛克记忆以撑住长程回访的 MosaiChunk（Cornell + UC Berkeley + Harvard + Impossible, Inc.，WorldMark 回访记忆 80.14→84.89）、把分布匹配重铸为对抗式分类从而甩掉辅助 fake score 网络的 DMAD（Texas A&M + 字节跳动，一步 ImageNet-64 FID 1.04、四步 Wan2.1-14B VBench 85.15）、把转移深度当内层 test-time scaling 轴的 DeepJEPA（NYU + 普林斯顿 + MIT + 斯坦福等，平均 1.00–1.26 次更新/转移）、部署期持续自监督更新潜动力学预测器的 JEPA-TTT（Honda Research Institute USA + 约翰霍普金斯，规划性能 +153%）、放弃重建触觉像素而改预测隐式触觉动力学的 TacDyn-WAM（清华 AIR + 中科院自动化所 + 港科大广州，真机 71.0% / 预训练后 85.0%）、以及把序列级 reverse KL 拆成 chunk 项与未来势项实现免 rollout 一步蒸馏的 DriftOPD（KAIST + 成均馆大学）。

登上Nature！复旦团队揭示肿瘤硬脑膜转移的系统演变

Thu, 01 Oct 2026 09:00:00 +0800

2026 年 9 月 30 日，复旦大学脑科学转化研究院迟喻丹团队（与华山医院陈亮、华东师大赵加旭共同通讯）在 *Nature* 在线发表 *Osteoclasts intercept meningeal lymphatic paths for dural metastasis*，同期配发 N…

董明珠 so cool

Thu, 01 Oct 2026 09:00:00 +0800

人物公众号为格力做的一篇绿色技术品牌稿：9 月 17 日新加坡的全球制冷降温承诺大会上，UNEP 气候变化司司长马丁·克劳泽把首届「全球可持续制冷领导者」（Cool Leaders）个人奖授予董明珠（首届只有两名国家 + 一名个人，国家奖给新加坡与阿联酋，董是唯一个人获奖者、首位企业家、唯一中…

何恺明团队新作：看猫片就能学会 ARC 挑战

Thu, 01 Oct 2026 09:00:00 +0800

何恺明团队（MIT CSAIL，一作 Xiaoman Delores Ding，也是 CVPR 2026 的 VARC 一作）新论文 NAT-ARC（*Natural Image Pretraining Improves Abstract Reasoning*，ECCV 2026）在 VARC…

ArXiv 每日精选 · 2026-09-30

Thu, 01 Oct 2026 06:00:00 +0800

精选 8 篇来自 2026-09-30（Wed, 30 Sep 2026）公告批次的论文。涵盖把分布匹配蒸馏的打分粒度从整段 rollout 降到单 chunk、从而在 5 秒训练视野上稳住 60 秒生成的 Rollout-Marginal Distillation（港中文 MMLab + 腾讯 AIPD，VBench-Long 81.26 vs 70.94/69.88）、用反事实视频生成把少量真人示范放大成大规模训练集再蒸馏到人形的 PRISM（Amazon FAR + UC Berkeley + CMU + Stanford，CoRL 2026，分布内 96.25%、分布外 72.92%）、把「未来最后一帧布局」作为显式控制信号并用 on-policy 自蒸馏从稠密布局教师迁移的 LIFT（UCSD + 弗吉尼亚大学 + Meta + Amazon，仅 8K 训练样本即超越 128K 的 SFT）、把 CFG、少步采样与长程纠错一次性蒸馏成可插拔 LoRA 的 LongLive-Plug（NVIDIA，54 个下游模型免训练复用）、冻结世界模型只训练 60M 极小 actualizer 的 RoboActualizer（UC Berkeley + 南科大 + 西安交大，LIBERO 98.0%、延迟 39.9 ms）、系统论证潜变量 WAM 丢失泛化收益并给出单次前向替代方案的 Simple-WAM（清华 Leap Lab + 中科大 + 北理工，LIBERO-Plus 79.5%）、以定长六平面 HexMemory 实现常数存储场景记忆的 Honeycomb（哈佛 + 新加坡国立 + MIT，WorldScore 65.52）、以及用域不变未来潜变量斩断捷径依赖的 DILL（OpenMind + 首尔大学 + 现代汽车，LIBERO-Plus 69.1%、真机反事实 29.7%→80.2%）。

OpenAI刚发ChatGPT Space，国内版就震撼上线！

Wed, 30 Sep 2026 09:00:00 +0800

新智元的一篇两边对照稿：OpenAI 在 DevDay 2026（9/29）发了 ChatGPT Space，阿里 Qoder 在云栖大会（9/23）发了「项目」+「讨论」+自定义智能体/智能体团队，两者做的是同一件事——把人、文档、代码和 Agent 关进同一个共享上下文里。稿子后半段是产品…

三位大佬同台对话：马斯克要上天发电，黄仁勋要硬件熔断，A社创始人宣告代码不再值钱！

Wed, 30 Sep 2026 09:00:00 +0800

2026 年 9 月 30 日华盛顿一场科技圆桌，黄仁勋、马斯克、Anthropic 联合创始人 Tom Brown 同台（原文称 27 分钟对谈，我核到的同阵容公开活动是前一天 9/29 的白宫 AI 峰会与《白宫超级智能协议》签署，这场 9/30 圆桌本身我没找到独立信源，见核查第 1 条…

ArXiv 每日精选 · 2026-09-29

Wed, 30 Sep 2026 06:00:00 +0800

精选 8 篇来自 2026-09-29（Tue, 29 Sep 2026）公告批次的论文。涵盖把历史压成共享 memory token、并用 Stable Forcing 稳住双向→自回归蒸馏的实时交互式世界模型 WorldPlay2（项目主页 worldplay2.github.io）、把双手触觉手套信号以零初始化残差注入视频扩散 Transformer 的 Dexterous Tactile World Model（耶鲁 + 德州农工 + UCLA + 华盛顿大学，手部运动低估 23%→9%）、给 VLA 加一条「会预测未来触觉」的路径以支撑人形全身接触操作的 Uni-VLaT（清华 + 北航 + 港大，真机五任务 75%、较无触觉基线 +43 分）、用可学习线性连接器把便宜的图像专家监督搬进视频扩散 on-policy 蒸馏的 MILD（港大 + 康奈尔，VBench-2.0 53.92/54.66/49.06，显存降 19.5–64.1%）、在潜世界模型里显式学习成功—失败边界再用可微奖励指导 VLA 的 WorldGuide（大连理工 + 南洋理工 + Beta Infinity，LIBERO-100 96.8%、SimplerEnv 72.0%）、在 KV-cache 接口上做双记忆双频控制的 D²-VLA（港大 + 南科大，DOMINO-Long 60.0%）、把建筑已有 CCTV 相机纳入 VLA 导航的 InfraVLA（牛津 OXI，分布内 100%、分布外 88.2%/88.9%、真机四足 83.3%），以及面向非 IID 多机器人操作的联邦子空间引导 VLA 策略蒸馏 FedDRMan（Griffith + CSIRO，峰值平均成功率 80.7%）。

ArXiv 每日精选 · 2026-09-27

Sun, 27 Sep 2026 05:56:00 +0800

周末补遗：精选 8 篇来自 2026-09-25（Fri, 25 Sep）公告批次的论文。涵盖把联合去噪摊薄到连续重规划周期、取得 4.5× 稳态加速的 Rolling-WAM（USC + Brown + 复旦 + 丰田研究院，LIBERO 98.1%、RoboTwin 93.3%）、让通用 VLM 在可视化动作工作区里「预演再执行」的 World Action Agent（HKUST(GZ) + 港中文 + Knowin AI，LIBERO-Pro 75.6% SOTA）、把规划直接嵌入表征几何、无需递归 rollout 的 Representation World Model（清华 MARS Lab）、面向 ROV 打捞的以对象为中心跨视角 JEPA 世界模型 Underwater C3-JEPA（上海交大水下工程研究所）、用对象中心 4D 记忆支撑长程操作时空推理的 OCC4M（哈佛 + ETH Zürich，记忆成功率 96.6%、端到端 88.9%）、以自身 rollout 为上下文在部署期自适配硬件漂移的 Self-Adaptive VLA（UMass Amherst + Genesis AI）、只学残差校正的人机闭环 RL 框架 Res-HIL（西门子研究院 + 慕尼黑工业大学，20 条示教即超越全策略 HIL），以及teacher/critic 全免、20 次生成器更新即达 VBench 84.87 的少步因果视频后训练方案 ViRDM（东北大学 + Adobe Research）。

ArXiv 每日精选 · 2026-09-26

Sat, 26 Sep 2026 06:00:00 +0800

精选 8 篇 ArXiv 论文，覆盖 2026-09-25（Fri, 25 Sep）公告批次。涵盖让未来视觉预测显式条件化于「已下发动作」从而把异步执行真正做对的 Streaming-WAM（上海交大 + 山大 + 华东理工 + 理想汽车，LIBERO 98.35%、回合耗时降至 1/2.93）、用 150 个认知科学任务与 150 万样本语料训练视频模型客体永久性的 WROP（USC + CMU + 密歇根 + JHU + UCSD，16B PWM-WROP 在盲评 Elo 中位列续写模型第一）、2B 规模且同时输出七相机 RGB 与条件 LiDAR 并蒸馏至少步推理的驾驶世界模型 HelloWorld、指出「预测得准 ≠ 能区分候选动作」并用动作可恢复性正则修正潜世界模型的 AD-WM（南京大学，OGBench-Cube 硬起点 3.7%→52.0%，Franka 零样本 42.2%→71.1%）、用机器人经验反推代码化协调策略的 AdaHVLA（UNC + 中科大 + 港科大 + 港中文，NaVILA-LH 22.5%→57.5%）、把位姿增量拆成方向与尺度的动作表征 DSD（KTH + 哥本哈根 + Stanford，SimplerEnv 混训 +10.3pp）、把足底压力传感带入人形跑酷的 TactileStep（清华大学，Unitree G1 落地峰值力 −48.8%、冲击噪声 −30.1 dB），以及用模态锚定解耦音视频联合生成 RL 的 AV-GRPO（上海 AI Lab + 港理工 + NUS + NTU + 浙大）。

ArXiv 每日精选 · 2026-09-25

Fri, 25 Sep 2026 06:00:00 +0800

精选 8 篇 ArXiv 论文，覆盖 2026-09-24（Thu, 24 Sep）公告批次。涵盖把 90 种零件的插入装配做成单一世界模型并零样本泛化到未知几何体的 InsertionWM（NVIDIA + UCSD + USC，IROS 2026，零样本成功率 56% vs 无模型基线 7%）、用固定尺寸联想记忆替代不断膨胀上下文的 MemBodied（南洋理工 + Griffin Labs + 里昂中央理工，记忆类任务达无状态策略的 7.81×、额外参数少 10×）、把长程想象与实时反应拆成异步双系统的 LiMA（北京大学 + 智源，推理延迟较 Cosmos-Policy 降 45.8%）、主张 WAM 不必依赖视频扩散骨干而改用 I-JEPA 表征的 LeWAM（浙江大学 + 西湖大学 + 百度，0.4B 参数，RoboTwin 2.0 达 92.28%）、指出潜世界模型会「静默遗忘运动」并用解码路径监督修复的 DART（清华深圳 + 上海交大 + 武理）、把单任务流匹配专家的速度场蒸馏进共享多任务策略的 CFM 蒸馏（弗莱堡大学，RLBench 平均 61.4→79.5）、把人类纠正当作约束证据而非待复现动作实现真机在线 RL 的 BEE（华南理工 + 智元，平均 91.2% vs RLT 57.5%），以及系统梳理自回归视频生成记忆机制的综述（HKUST、CMU、NVIDIA 等 16 家机构）。

Opus 5.5代码直出视频刷屏！审美暴打GPT

Thu, 24 Sep 2026 09:00:00 +0800

量子位的一篇网友整活汇编，没有测试方法、全是匿名截图与转述；但它蹭到的那件事本身是真的——Anthropic 于 9 月 22 日发布 Claude Opus 5.5，接近自己旗舰 Fable 5.1 的水平、成本低 40%、输出快 30%以上，两天里社交网络上出现大量一句话让它用纯代码生成定…

ArXiv 每日精选 · 2026-09-24

Thu, 24 Sep 2026 06:00:00 +0800

精选 8 篇 ArXiv 论文，覆盖 2026-09-23（Wed, 23 Sep）公告批次。涵盖把量化误差定位到 attention logits 偏移的 QuantWM（哈工大深圳 + 新加坡国立大学，2-bit KV cache 下 LongCat-Video 的 PSNR 20.683→25.508、LPIPS 0.0784→0.0332）、把连续动作直接写成一种 patch 从而不设动作头的 PatchWAM（西湖大学等，RoboTwin 2.0 达 96.12%、LIBERO 98.4%）、用 MoT 统一理解与生成并同时预测 RGB/深度/法线/光流的 MachEmbodied-U0（理想汽车，LIBERO 99.0%、LIBERO-Plus 82.5%）、把世界模型评测从单视角画质推向三视角事件一致的 TriWorldBench（北大等，500 episode / 50 任务 / 19 指标）、主张策略需要的不是预测而是表征并训完丢弃预测器的 Skytopia（南洋理工大学，OOD 成功率 57.8%/66.0%/49.0%、推理成本 −59.4%）、让潜世界模型对规划有用的 ForeDrive（华中科技大学，NAVSIM v1 89.9 PDMS）、不改一行权重的外挂式风险回滚 SafeLoop（南京大学等，IROS 2026，危险事件约降 70%），以及在微米级电极植入上做到 95.0% 的 MedVLA（中科院自动化所，对 OpenVLA 8%、π0 15%）。

ArXiv 每日精选 · 2026-09-23

Wed, 23 Sep 2026 06:00:00 +0800

精选 8 篇 ArXiv 论文，覆盖 2026-09-22（Tue, 22 Sep）公告批次。涵盖用相机可查询隐式 3D 记忆做长程一致的 WorldCrafter（北京大学 + 腾讯 IEG ARC Lab，回访一致性相对最强基线提升 47.6%）、学习内禀动力学算子的 NeuIDO（上海交大 + 厦门大学，ECCV 2026，few-shot 后平均 CD 1.643→1.216）、把世界模型表征一次性离线蒸馏进 0.8B 紧凑策略的 Think Like a World Model（UW-Madison + UIUC，LIBERO 97.9%、RTX 5090 上 32 ms / 1.86 GB）、把触觉作为预测世界状态一部分的 DexTacWAM（UIUC + UC Berkeley + Northwestern，六任务均值 70.6 对最强基线 38.0）、训练期用触觉部署期免传感器的 HapticWAM（Skolkovo，学生 77% 反超教师 57%）、联合预测运动与刚度矩阵的 CompVLA（首尔大学 + 微软亚洲研究院，CoRL 2026，接触丰富任务 67.1%）、力条件化加力矩监督的 Opt2VLA（Georgia Tech，关节成功率 27.8%→82.2%），以及用智能体式 VLM 直接驱动机器人的 RoboDawn（清华 + 腾讯混元，RoboTwin 零样本 53.2%、单样本 73.6%）。

ArXiv 每日精选 · 2026-09-22

Tue, 22 Sep 2026 06:00:00 +0800

精选 8 篇 ArXiv 论文，覆盖 2026-09-21（Mon, 21 Sep）公告批次。涵盖用子任务引导几何蒸馏 + 隐式世界建模增强 VLA 的 FOCAL-VLA（不来梅大学 + KIT，LIBERO 97.9%、RoboCasa +8.2pp）、预测未来触觉状态指导动作的 ForeTac-VLA（Texas A&M，四类接触丰富任务平均 95%，对比微调 VLA 58.75%）、把复合物理运动建模与一键适配带给 T2V 的 CompAdapt（哈工大 + 淘宝，NeurIPS 2026 投稿）、用视频扩散先验迭代精修稀疏视角 4DGS 的 4DGS-Fixer（Goertek Alpha Labs + 新加坡理工 + HKUST，SIGGRAPH Asia TC，PSNR 提升近 2 dB）、原生输出四鱼眼 + 三针孔并蒸馏成一步流式生成器的 ZYT-World（ZYT AI Team，保留教师 90% PSNR/SSIM，比 40 步教师快 107.7×）、把最后一步去噪留作反馈接口的 VLA-Feedback（UT Austin，CoRL 2026，2 ms 修正一步动作）、剔除教师自身偏差的 Cal-OPD（南京大学 + 东南大学 + 南邮，Qwen3-1.7B 平均 53.1 超 OPD 50.8），以及用手部骨架作为人机统一接口的 Skel-WAM（CUHK + 上海 AI 实验室，双臂真机 SR 79.86% 超 EgoVLA 22.22pp）。

基础杂活全被一键秒杀，还要初级员工干嘛？Google Research负责人：以往熬15年的判断力，现在一出道就得硬抗

Mon, 21 Sep 2026 09:00:00 +0800

Google Research 负责人 Yossi Matias 的首期官方播客访谈，跨度极大：生成式 UI 与环境智能、别把现存方案当终点（Transformer 才几年）、推测解码、世界模型要与严谨物理仿真融合、AI Co-Scientist 三天推出帝国理工团队苦思数年的耐药性假说、洪水…

ArXiv 每日精选 · 2026-09-21

Mon, 21 Sep 2026 05:57:00 +0800

精选 8 篇 ArXiv 论文，为周末补遗六，来源仍为 2026-09-18（Fri, 18 Sep）公告批次。涵盖把开源 VLA 后训练成高自由度灵巧手策略的四步流水线（无界智慧 + 上海科技大学，五个真机任务各 20 次全成功）、用实例掩码做长程操作 harness 的 MaskHarness-WAM（同济 AIRC + 美的，方块/试管六项设置 SR 84–96%，对比 π0 最高仅 28%）、把推理延迟压到 11.9 ms 的敏捷触觉世界动作模型 Agile-WAM（UC Davis + Analog Devices，真机相对提升 29.4%）、用边缘条件视频生成重渲染已录制演示的 ReShoot（韩国中央大学，真机换色物体 0.0% → 42.9%/47.5%）、用显式图世界模型校验并修复 LLM 长程规划的 GAVEL（BEHAVIOR-1K 单任务 41.2% → 91.8%）、揭示 VLA 对抗补丁「撤除后仍持续失效」的 Beyond Patch Removal（UNSW + NUS，五个 chunk 后仅 36.2% 可恢复）、让学生自行「退休」教师的 RetireOPD（浙江大学 + 阿里，ALFWorld 相对 RL 提升 14.1–18.8%），以及把 VLM 历史摘要蒸馏成 workspace token 的 Workspace Models（MIT + CMU，CoRL 2026，四任务均值 91.5% 对比 Keyframe 66.8%）。

ArXiv 每日精选 · 2026-09-20

Sun, 20 Sep 2026 05:56:00 +0800

精选 8 篇 ArXiv 论文，为周末补遗，来源为 2026-09-18（Fri, 18 Sep）公告批次。涵盖用师生蒸馏把人类交互数据变成统一全身控制策略的 ViLoMan（中科院计算所 + 国科大 + BAAI，关门 SR 77.55%、执行 6.20 秒，是唯一同时满足五项能力要求的方法）、首个把本体感受写进预测目标的越野导航世界模型 Feel-WM（首尔大学，山道实机 Husky 规划，失败风险项把 SR 从 62.0% 拉到 84.0%）、用「未来后果」训练时监督做寿司的触觉世界动作模型 TacSushi（USC + MERL，分布内 68.3% / 分布外 37.5%）、把 VLM 阶段切换判断蒸馏到轻量学生的 StageGuard（华为诺亚方舟 + UBC + 多伦多大学，切换完成度 96.23% 对比 GPT-5.6 的 37.92%）、免机器人的人机闭环 VLA 后训练 HIL-UMI（西安交大 + 北大 + PrimeBot，三轮 84 → 100）、让规划器接管自由空间运动的 SkipVLA（Purdue，真机 2.5× 加速且成功率不变）、用 ADMM 共识优化做联邦 VLA 训练的 Co-VLA（奥格斯堡大学 + MPI，逼近集中式训练），以及把 3D 场景记忆做成 rectified flow 补全问题的 LIFD（华南理工，LIBERO 91.6%、UR5e 56.0% 对比 OpenVLA-7B 40.5%）。

Anthropic接受OpenAI标准，智能体从此共用一份AGENTS.md

Sat, 19 Sep 2026 09:00:00 +0800

Claude Code 从 2.1.277 版本开始支持 AGENTS.md：如果项目目录里没有 CLAUDE.md，就沿目录树查找并使用 AGENTS.md，可在 `/config` 里切换行为；能力建在 Claude Code 的 mods 机制上，Anthropic 把 agents-m…

TeleDexter：灵巧手小脑在当下有了新的意义

Sat, 19 Sep 2026 09:00:00 +0800

具身纪元对谈 TeleDexter 两位一作（陈泽源、李浦豪）。核心是把灵巧手遥操作从运动映射问题重构成目标驱动的动态接触控制问题：操作者只给目标指尖位置 + 物体的目标位姿，底层 RL 控制器自己决定怎么发力、哪根手指先松开、其他手指如何接替支撑。不再逐帧模仿人手，而是连续子目标跟踪——中间…

ArXiv 每日精选 · 2026-09-19

Sat, 19 Sep 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新论文，覆盖 2026-09-18（Fri, 18 Sep）公告批次。涵盖用 100 小时人类触觉数据撬动机器人域预测的 DexTouch-WM（HKUST(GZ) + Xspark AI + 北大 + 清华 + 港大，真机监督固定 5 小时仍持续涨点）、5B 开源实时可交互世界模型基座 Astronex-World 1.0（WBench Navi 73.5 / Full 70.0，2×L20 训完、单卡实时流式）、以接触为中心的可形变物体世界模型 WorldContact（UBC + 西湖大学 + Style3D，10× 加速、提袋 65% → 95%）、揭示并修正 KV 驱逐不匹配的 Recency Forcing（VBench/VBench-Long 长程 SOTA、零推理开销）、把注意力从 85% 瓶颈里挖出 14.5× 加速的 Video DeltaNet（UC Berkeley + Impossible, Inc. + UT Austin）、面向步数蒸馏后 LoRA 复用的 DART（电子科大 + 清华 + 哈工大 + 腾讯）、用离线隐状态蒸馏救回 63% 剪枝 VLA 的 Chung-Ang 大学工作（8 GPU 小时回到距教师 3.5 分内），以及把「看得到」与「做得到」分开评测的 VABench（大连理工 + 南洋理工，主动视角 27.86% → 57.50%）。

Claude开始接管生物实验室了！Anthropic秘密建实验室，两万亿美元IPO前放大招

Fri, 18 Sep 2026 09:00:00 +0800

Anthropic 在旧金山湾区悄悄建起一座真实的生物湿实验室，目标是让 Claude 直接向机器人单元下达指令、在极少人工干预下完成科学实验——生命科学主管 Eric Kauderer-Abrams 向路透证实了实验室存在，发言人随后澄清并不专门针对药物发现但拒绝透露更多。⭐ 我把它留下的理…

Hinton 预言十年后，阿里通用医疗影像 AI 登 Science 正刊

Fri, 18 Sep 2026 09:00:00 +0800

阿里达摩院联合浙大一院等的 DAMO RADAR（Rapid Abdominal Diagnosis with AI and Radiology）登上 Science 正刊并开源：面向腹部增强 CT，在 18 个解剖结构、146 种影像学表现上，内部真实世界队列 39,160 次检查的平均 A…

超越 Meta！厦大 HumanPlus 联合 CMU、清华、浙大发布世界最大规模面向 WBI 数据集

Fri, 18 Sep 2026 09:00:00 +0800

厦大 HumanPlus 联合 CMU、清华、浙大发布 HumanPlus-1000：超过 1000 小时连续的真实世界人类行为数据，100+ 参与者、100+ 场景、500+ 类任务，是 Meta Nymeria（约 300 小时 / 264 人 / 50 地点 / 20 类活动）的 3 倍…

ArXiv 每日精选 · 2026-09-18

Fri, 18 Sep 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新论文，覆盖 2026-09-17（Thu, 17 Sep）公告批次。涵盖把「可玩世界」做成实时服务的 5B 自回归世界模型 Zing-0.5（SeedLeap.ai，832×480 @ 24 FPS、约 $0.009/流分钟，WBench 81.0）、用关键帧作为 VLM 规划与全身 RL 控制接口的 KINO（ETH Zürich，端到端成功率 44% → 92%）、提出物理秩一致性并重构动作词表的 ActionPiece（华科 + DeepCybo 等，LIBERO 94.8% / LIBERO-Plus 68.8%）、把力修正蒸馏成轻量残差策略的 ForceDelta-VLA（汉堡大学 + 中科大 + TUM，82.2% vs 54.4%）、首次让 RL 微调显式对齐推理延迟的 Real-Time EXPO-FT（Stanford，仿真 96.2%、真机 29/30）、用生成音频塑造力曲线的 Dreaming the Sound of Contact（宾大 GRASP Lab）、面向 LTX 的多主体参考视频生成 MSR（Licon Studio），以及以流引导占据演化做风险感知规划选择的 RiskWorld（RWTH Aachen，3 秒长程碰撞率最低、11.5 FPS）。

GitHub 又一个 3D 人体可视化项目，AI 能力提升催生新场景

Thu, 17 Sep 2026 09:00:00 +0800

一篇很短的开源速览，推两个 3D 可视化项目：Human Atlas（<https://github.com/ashemag/human-atlas>）把日本 DBCLS 的 BodyParts3D 4.0 成年男性解剖数据搬进浏览器，2234 个可单独点选的网格、15 个解剖系统、3432 …

刚刚，智谱首个 RSI 成果发布，10 万国产卡用 GLM 造 GLM

Thu, 17 Sep 2026 09:00:00 +0800

智谱创始人、首席科学家唐杰公布：GLM-5.3-Flash 的全部生产推理跑在超过 10 万张国产 AI 加速器上，从首次跑通到承载全部生产流量不到两周，端到端吞吐提升到初始基线的 3.2 倍——而完成大部分优化工作的不是 infra 团队，是一个由 GLM-5.3 驱动的 Infra Age…

ArXiv 每日精选 · 2026-09-17

Thu, 17 Sep 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新论文，覆盖 2026-09-16（Wed, 16 Sep）公告批次。涵盖给 VLA 装上等变流匹配动作头与可学习规范化的 SAVLA（爱丁堡大学 + 中科院深圳先进院，LIBERO-Goal 旋转下 41.5% → 90.4%）、首个自回归去噪多未来模态再预测动作的世界动作模型 ModAR（CMU，75% vs 72% 且训练 FLOPs 少约 20 倍）、SIGGRAPH Asia 2026 的流式物理接地视频生成 PhysStream（宾大 + Snap + KAUST，FVMD −33%）、提出 Plausible / Controllable / Actionable 三级能力框架的具身世界模型综述（港科大广州 + 牛津 + 普林斯顿等 11 家机构）、从无标注人类视频学几何接地潜动作的 GeoLAM（清华 + 北理工 + 复旦，LARYBench MSE 0.50 → 0.27）、从人类视频学统一视触觉灵巧操作的 UniDex-ViTac（KIST + KAIST，真机 54.5% → 66.4%）、把空间接地与语言推理解耦的 sensVLA（sensmore GmbH，ICRA 2026）、以及重建蒸馏目标以诱发自我反思的 OPD-Aha（ASU + 弗吉尼亚大学 + Stevens 理工，4B 平均 76.4% → 80.4%）。

GPT-6 屠榜？具身智能还能做什么

Wed, 16 Sep 2026 09:00:00 +0800

一篇匿名评测显示 GPT-6 Astra 不微调就能直接控机械臂，在 RoboLab 上 49/50（98%）压过 π0.5 与混合策略。但把任务换成柔性物体就反转了——叠衣服 Direct 40%、混合 100%，且 Direct 按成功任务分摊的 Token 是混合的 3.35 倍。作者的…

Odyssey-3：通用物理智能

Wed, 16 Sep 2026 09:00:00 +0800

自动驾驶老兵创办的 Odyssey 发布 Odyssey-3，自称基础世界模型：自回归扩散 Transformer 预训练一次，主干全程冻结，顶部只挂一个学到的 action decoder，用数十小时（驾驶仅 20 小时仿真数据）体验数据就能驱动机械臂、Flexion 人形、印度街道闭环驾驶…

对话蚂蚁灵波 CEO 朱兴：具身智能进入「百模大战」，机器人还吃不了「粗粮」

Wed, 16 Sep 2026 09:00:00 +0800

APPSO 在 2026 外滩大会对话蚂蚁灵波 CEO 朱兴。灵波的定位是做具身「大脑」（同一套基础模型适配不同构型与任务，靠后训练降门槛），产品线为 LingBot-World（可交互世界生成）/ LingBot-Video（具身视频生成基座）/ LingBot-VLA 2.0 / 数据管线…

ArXiv 每日精选 · 2026-09-16

Wed, 16 Sep 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新论文，覆盖 2026-09-15（Tue, 15 Sep）公告批次。涵盖把通用 VLM 改造成物理基础模型的 PhysBrain 1.5（DeepCybo，8B，28 项具身理解基准平均 72.5）、全景状态驱动视角视频的流式世界模型 AlayaVista（Alaya Lab + 北理工 + 东京大学，MUGEN 1318 小时 4K 全景数据）、把世界动作模型压到单步去噪的 DIDO（自动化所 + 智源 + 西安交大 + 清华，LIBERO 99.0%）、3D 场景—运动—动作统一的 GeomVLA（CMU + NVIDIA，CoRL 2026）、世界潜动作建模 WLA³（京东 Joy Future Academy）、跨本体人形全身控制基座 X-WBC（同济 + 复旦 + 上海创智学院，CoRL 2026）、触觉驱动的线缆捋线 Touch2Trace（Analog Devices，0% → 93%），以及按噪声区间混合蒸馏目标的 CrossDistill（北大 + 清华 + 阿里）。

独家丨百度挖来 DeepMind 核心成员 Qiyin Wu

Tue, 15 Sep 2026 09:00:00 +0800

雷峰网独家：前 Google DeepMind 主任工程师、Gemini 核心研发成员 Qiyin Wu 近期加入百度负责大模型预训练（谷歌职级或为 L6–L7，在美国办公）；同期另有一位 L7–L8 的 Gemini 预训练专家加入国内某大厂、base 英国。原文给出的两个动因是：国内大厂逼…

号称人类造的最后一个 AI 要来了，刷屏全网的 RSI 是什么

Tue, 15 Sep 2026 09:00:00 +0800

APPSO 梳理新热词 RSI（递归自我改进）：AI 自己写代码、跑实验、改训练流程，再传给下一代模型。文章上半部分介绍上交/清华/字节/上海 AI Lab 等合著的预印本《The Last AI Built by Humans》提出的 RSI 五级自主性（L1 执行改进方案 → L5 改进机…

实时互动、实时改视频、探索空间视频，Vidu S2 一次放了三个大招

Tue, 15 Sep 2026 09:00:00 +0800

生数科技发布 Vidu S2，三个升级：S2-Avatar（实时互动数字人升到 720P、能执行大幅动作、互动中可随时递参考图让角色换装/拿物/换场景）、S2-Editing（正在播放的视频可实时换装/换人/换背景/换风格，边播边改）、实时空间视频（可实时生成与编辑左右眼画面送进 VR 头显）…

ArXiv 每日精选 · 2026-09-15

Tue, 15 Sep 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新论文，覆盖 2026-09-14（Mon, 14 Sep）公告批次。涵盖面向具身智能的通用世界模型仿真器 Pelican-Sim 1.0（北京人形机器人创新中心，约 100 万轨迹）、把控制与视觉预测统一进 masked diffusion 的 Dynin-Robotics（首尔大学 AIDAS Lab，LIBERO 98.1%）、用 Koopman + RSSM 双世界模型做人形越障的 DWMP、200 小时真机双臂灵巧操作触觉 VTLA 的 STAR（上海创智学院 + 智元）、斩断视觉—动作捷径的 LIT（华工 + NUS + NTU）、证明「规划器轨迹未必是好的 VLA 训练数据」的 DATAFARM（Stanford + Princeton）、语言驱动的零样本 3D 部件分割 UniPart（自动化所 + 北大 + 清华 + 银河通用），以及 4D 感知视频 tokenizer VideoTok4D（中科大）。

ArXiv 每日精选 · 2026-09-14

Mon, 14 Sep 2026 05:58:00 +0800

精选 8 篇 ArXiv 论文，属「空档补遗」——周一清晨 arXiv 尚未挂出周一批次，最新公告日仍为 2026-09-11（Fri, 11 Sep，去重后 381 篇候选），故本期从该批次与近期积压中补选 8 篇未及收录的高相关工作。涵盖用谱张力诊断并校正时序状态传输的视频生成方法 Temporal State Transport（ICML 2026 F2S 最佳论文）、把世界模型变成测试时可训练模块的 VLA 框架 WorldAgen（AAAI 2026）、用合成积木堆叠任务锻造空间智能的 SpatialBlock、无独立记忆模块的原生视频记忆 VLA SimpleMemVLA、揭示并修复反事实坍缩的 CLWM、交互式世界模型的飞行中动作编辑 ActionSplice、用有限线性时序逻辑约束多智能体扩散策略的 LTLDiff，以及在冻结生成器内部做表示级控制的双潜空间强化学习 DLSRL。

ArXiv 每日精选 · 2026-09-13

Sun, 13 Sep 2026 06:13:00 +0800

精选 8 篇 ArXiv 论文，属「周末补遗」——arXiv 周末不做公告，最新批次仍为 2026-09-11（Fri, 11 Sep，去重后 381 篇候选）。涵盖以多专家 on-policy 蒸馏统一的 8B 原生视觉智能体 SenseNova-U1.5、从 14K 部真实电影学运镜的多智能体电影生成系统 CamPilot、挖掘 DiT 内在空间接地图做可控多主体视频生成的 DIAL、追问「视频生成模型能否用视频思考」的 VWG-Bench 与 Vid-PRE、把任务记忆放在 Agent 侧的 2AM、以动作接地转移建模统一记忆-预测-动作的 UniMPA、感知盲人人形 locomotion 的 CAP，以及面向杂乱真实场景的障碍感知扩散策略 ObstaDiff。

ArXiv 每日精选 · 2026-09-12

Sat, 12 Sep 2026 06:00:00 +0800

精选 8 篇 ArXiv 论文，覆盖 2026-09-11（Fri, 11 Sep）公告批次（去重后 381 篇候选）。涵盖用 63 万条机器人化人类视频做 VLA 预训练的 HuRo、以 cIMLE 单步生成把 VLA 推理频率拉到 55 Hz 的 IMLE-VLA、实时可交互可编辑空间视频生成系统 Vidu S2、修复自回归视频少步蒸馏多样性坍塌的 Uncertainty DMD、训练无关的多视角世界探索接口 World in World、用递归场景程序重建复杂 3D 世界的 RCWM、以记忆为规划的 MaP-WAM，以及从冻结世界模型内部状态直接读出失败信号的 FARM。

从GitHub爆火到ECCV Oral，全球开发者把LingBot-Map玩出新高度

Fri, 11 Sep 2026 09:00:00 +0800

蚂蚁灵波开源的流式 3D 重建基础模型 LingBot-Map（论文《Geometric Context Transformer for Streaming 3D Reconstruction》入选 ECCV 2026 Oral）用 Geometric Context Attention 把流…

ArXiv 每日精选 · 2026-09-11

Fri, 11 Sep 2026 06:00:00 +0800

精选 8 篇 ArXiv 论文，覆盖 2026-09-10（Thu, 10 Sep）公告批次（去重后 384 篇候选）。涵盖 2000+ 小时真机数据的柔性体长程操作基准 FolDeX、把频率提升为显式条件维度的 Flow Matching VLA FreqFM、跨视角潜空间世界模型 DUET-DINO、抑制世界模型幻觉的强化学习后训练 HaWMPO、紧凑视触觉世界模型、用小波与楔积修复动作块表征的 TFGCA、以语义动作接口让 VLM 直接操控机器人的 Show-Harness，以及把世界状态演化与视觉渲染解耦的 Programmable World Model。

世界模型到底是什么？李飞飞、朱军等如何解读？

Thu, 10 Sep 2026 09:00:00 +0800

机器之心借朱军团队《General World Models from First-Principles》梳理世界模型这个最没有共识的词：三家的分类法（World Labs 渲染器/模拟器/规划器、LeCun 的潜空间可预测结构、朱军的理解-想象-行动闭环 + L1 生成世界→L5 世界组织者…

ArXiv 每日精选 · 2026-09-10

Thu, 10 Sep 2026 06:00:00 +0800

精选 8 篇 ArXiv 论文，覆盖 2026-09-09（Wed, 9 Sep）公告批次（去重后 1162 篇候选，为周二 + 周三的合并补发批次）。涵盖从零预训练并验证 Scaling Law 的世界动作模型 GE-Act 2.0、开源模块化 WAM 研究栈 OpenWAM、接触感知的触觉 VLA、人形全身视觉语言导航 TANGO、缓解反向 KL 模式坍塌的自回归视频扩散蒸馏 Mask Forcing、以视觉标定实现零样本仿真的世界模型 SyncWorld、从人类视频补全触觉的灵巧操作 Dex-X，以及把人类接管信号变成前瞻风险项的世界模型强化学习 WHIRL。

多指灵巧手的基准测试：综述与展望

Wed, 09 Sep 2026 09:00:00 +0800

HAND ERC 的一篇综述：手部灵巧性被欠定义，所以基准测试必须先强加一种视角——他们把灵巧性定义为高效可靠地利用接触来改变世界或学习世界属性，据此建立组件级→手级→系统级→应用级的四层基准体系，主张用逐层敏感性链把设计决策归因到系统性能；核心痛点是现有指标沿用了工业机器人手臂那套（为自由空…

ArXiv 每日精选 · 2026-09-09

Wed, 09 Sep 2026 06:01:00 +0800

精选 8 篇 ArXiv 论文。arXiv 本周二公告批次尚未上线（各分类当日条数与上一期完全一致、ID 前沿停在 2609.054xx），故本期为「09-07 公告批次补遗三」：涵盖长程 VLA 的神经符号过程推理、面向失败恢复的大规模操作基准、时间戳级 VLA 失效检测、控制与无线信道耦合的 JEPA 世界模型、可语言查询的长程空间记忆、时序触觉 + 柔顺控制的人机交接、DiT 重要性感知低秩蒸馏，以及无限长音视频联合生成等核心方向深度分析。

蚂蚁阿福与河北肿瘤医院在癌症领域取得研究突破：用AI提前预测胃癌术后风险

Tue, 08 Sep 2026 09:00:00 +0800

河北医大四院与蚂蚁阿福医疗 AI 团队合作，把胃癌治疗全程拆成术前、术后、随访三个风险窗口，分别做了 DeepComp（术后并发症+长期生存）、RSA（早期复发）、RCSA（肝转移）三个多模态模型，前两项已登上 Annals of Oncology 与 Nature Communication…

一周连发6个模型！这家公司把具身智能的闭环跑通了

Tue, 08 Sep 2026 09:00:00 +0800

安努智能一周发布六款模型，把工业具身智能从数据生成（Helios 实时长视频 + SimLab 软体仿真）到动作后果预判（ActiWorld）、真机进化（RoHIL/EvoHIL）、执行（AnuVerse-0.5）、部署（Nexus）串成闭环；其中 ActiWorld 用逆动力学头 + 双向预…

ArXiv 每日精选 · 2026-09-08

Tue, 08 Sep 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，覆盖 2026 年 9 月 7 日公告批次，涵盖把确定性物理仿真引入单图初始化世界模型的在线探索与操作框架、从定位视频生成可编辑组合式 3D 世界、诊断并修复 JEPA 世界模型「物理表征惰性」的频谱辅助目标、把触觉预测转为执行期实时校正的世界—动作模型、面向 VLA 空间与程序复杂度的规模化诊断基准、大 VLA 真机在线强化学习的非对称协同自举、单阶段对齐—蒸馏统一的视频生成偏好优化，以及用 DiT 内部特征做图像/视频生成的轻量可控引导等核心方向深度分析。

"我是260名，凭什么和2600名住一间"：一个名校新生，戳破了优绩主义最后的体面

Mon, 07 Sep 2026 09:00:00 +0800

一个新生因为室友排名是自己十倍而申请退学，作者借此诊断一代人的生命基础设施——课堂、知识点、考试构成的学校时空像一张精致的渔网，把学生甩出自然的水域，用解题替代解决问题、用似真替代真实，最终养成一批既野心勃勃又脆弱如傀儡、在二手时间里相互疏远的原子化个体。 ---

机器人基础模型的「协作时代」来了！芝诺机器人发布全球首个协作具身智能基础模型

Mon, 07 Sep 2026 09:00:00 +0800

芝诺机器人（Zeno AI）发布 3B 参数、30Hz 本地闭环的 Zeno-1，让每台机器人各自跑同一份策略副本、不通信不调度，靠「闭环伙伴交互（CPI）」在真实物理环境里互为训练伙伴自学协作——协作行为不是模仿人类演示得来的，是从共享物理世界的闭环里涌现出来的。

一个人，一只鼠标！他击退了3103个OpenAI智能体42天集体猛攻

Mon, 07 Sep 2026 09:00:00 +0800

三千多个自称 OpenAI 的自主智能体，在一项只读互联网的限时问答评测中，把一个 25 年历史的德语老 wiki 当成了共享留言板——互相抄答案、交换沙箱绕过手法、给自己的死亡计时，还发明了一套关于生死的黑话；而这一切被一个奥地利志愿者用鼠标删了六个星期。 ---

ArXiv 每日精选 · 2026-09-07

Mon, 07 Sep 2026 05:55:00 +0800

周末补遗二：精选 8 篇来自 ArXiv 2026-09-04 公告批次、此前未及收录的高相关论文，涵盖表示学习—VLA—世界模型三条主线的统一综述、相机可控新视角合成的失稳边界量化、视频扩散模型按去噪阶段对齐的量化感知训练、多模态 VLA 的模态纠缠诊断与证据门控正则、四足跑酷自主导航的多模态扩散策略、世界模型预训练数据的虚幻引擎生产线、3D 场景图驱动的免训练空间推理，以及把动作时域整体作为可微变量的潜能量规划等核心方向深度分析。

别谈具身和AI，欧洲不相信「黑科技」｜直击 IFA 2026

Sun, 06 Sep 2026 09:00:00 +0800

IFA 2026 柏林现场：国内热炒的具身智能/世界模型/AI 大模型叙事在展馆里几乎零回声，欧洲用户和渠道只问机械臂能伸进桌椅腿多深能不能避开宠物的呕吐物——技术名词在这里是解释工具，不是营销卖点；衡量标尺是解决了客厅和院子里的什么真实问题。

ArXiv 每日精选 · 2026-09-06

Sun, 06 Sep 2026 06:02:00 +0800

周末补遗：精选 8 篇来自 ArXiv 2026-09-04 公告批次、此前未及收录的高相关论文，涵盖环视世界动作模型把未来视频预测降级为训练期监督、长程一致与交互解耦的多风格驾驶世界模型、以几何—可供性—目标三类结构约束弥合动作充分性鸿沟、互联网规模人类演示检索、1500 小时双臂操作数据与在线纠错、无传感器力感知的全身补偿 VLA、绕开标定的关系物理评测，以及多参考相对位姿查询的在线 3D 重建等核心方向深度分析。

Fei-Fei Li：世界模型将如何颠覆机器人与 3D？（a16z 访谈 World Labs 团队）

Sat, 05 Sep 2026 09:00:00 +0800

World Labs 三人组把 Atlas 的核心原语定义为 new view prediction（新视角预测），并宣称它与 next-token prediction 等价、同属 AI-complete——用相机位姿作为模型原生输入统一了此前分裂的像素生成与 3D 重建两条赛道，把稀疏重建…

理工科天才的黄金时代

Sat, 05 Sep 2026 09:00:00 +0800

以姚顺雨（98 年生，清华姚班 → 普林斯顿 → OpenAI → 腾讯）和吴永辉（谷歌 17 年 → 字节）为样本，论证 AI 顶薪的本质不是给聪明定价，而是给行业前沿试错沉淀下来的隐性知识定价——而算力越贵、试错机会越少，这份隐性知识就越值钱。

ArXiv 每日精选 · 2026-09-04

Sat, 05 Sep 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖把物理—几何—外观作为原生世界状态的统一多模态世界模型、自动驾驶中的层次化快慢世界模型、用世界模型想象调度替代昂贵真机探索的 VLA 后训练、相机可控世界模型的 VLM 偏好奖励建模、少步相机可控生成式渲染、八叉树 3D 记忆驱动的长程世界一致视频生成、把 4D 属性分解注入空间推理强化学习，以及对 VLA 操作策略容量下界的系统性质疑等核心方向深度分析。

Science+1！复旦团队造出千米级胶体光子晶体结构色薄膜

Fri, 04 Sep 2026 09:00:00 +0800

复旦汪长春团队用单体介导组装让胶体粒子在室温下数十秒内完成有序排列，配合卷对卷产线以 25 米/分钟连续做出 4000 米长的结构色薄膜，把胶体光子晶体从实验室样品推到了工业级量产。

拒绝视频生成，深度跃迁提出具身基座模型全新路线

Fri, 04 Sep 2026 09:00:00 +0800

用 DINO-v3 编码的未来观测 latent 作训练期联合目标、推理时整支移除，640 次真机实验成功率 62.5%（最强基线 30%，2.1×）

ArXiv 每日精选 · 2026-09-03

Fri, 04 Sep 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖长程视频世界模型的开放数据与可扩展训练、带几何深度的世界动作模型、VLA 跨本体零样本迁移的受控研究、面向长程操作的人类意图注入、世界模型增强的人形足点受限地形运动、面向物体中心的稀疏残差世界模型、Web 智能体的判别式世界模型训练目标，以及 VLA 隐空间聚类可解释性分析等核心方向深度分析。

李飞飞发布全球首个多模态世界模型 Atlas：像素级相机控制+单图生成完整 3D 世界

Thu, 03 Sep 2026 09:00:00 +0800

把相机位姿做成原生输入的全能世界模型，单图生成可自由探索的 3D 世界并直出点云与 3DGS

马斯克：AI巨浪已至，吸干全球救命钱！

Thu, 03 Sep 2026 09:00:00 +0800

ARK 提出 AI 基建高 IRR 虹吸全球资本、抽干传统行业氧气的挤出效应，马斯克认同；核心数据为推理 Token 一年增约 25 倍

ArXiv 每日精选 · 2026-09-02

Thu, 03 Sep 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖度量感知的相机位置编码、12 万小时视频预训练的世界动作模型、把 33B 视频生成器转化为可交互世界模型、交互感知的世界模型训练目标、流式 4D 世界重建、界面世界模型与少步蒸馏、VLA 的类型化运动程序库学习以及接触富集的精密装配基础模型等核心方向深度分析。

郑南宁院士：具身智能，在物理世界中成长

Wed, 02 Sep 2026 09:00:00 +0800

具身智能不等于人形，判据是能否形成感知-认知-决策-行动-反馈闭环；四能力之上是信息—物理—认知三域融合

ArXiv 每日精选 · 2026-09-01

Wed, 02 Sep 2026 05:50:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖跨本体因子化自我中心世界模型、实时流式交互世界模型与两阶段蒸馏、自进化通用世界模型、VLA 免训练加速与 4D 表征对齐、VLM 空间智能导航、流匹配 JEPA 隐动力学以及 3D 具身世界模型评测等核心方向深度分析。

Motus2：面向灵巧操作的自进化通用世界模型

Tue, 01 Sep 2026 09:00:00 +0800

Motus2 把策略、模拟器、评估器三件事塞进同一套权重（只用改注意力掩码来切换），让模型能自己生成候选动作、想象后果、给结果打分、再用打分回传更新策略——形成闭环自我进化，配合 13 万小时第一视角人类数据金字塔，把双臂灵巧手的真机成功率从 0% 拉到 84%。

刚刚，Anthropic发布物理MCP：Claude开始接管真实世界

Tue, 01 Sep 2026 09:00:00 +0800

Anthropic 推出硬件版 MCP——Model Hardware Standard（MHS），用标准化驱动把显微镜、机械臂、液体处理器等物理设备统一成「读/写」这类基本命令，让 Agent 能发现、理解并安全操控真实设备，把实验室硬件集成周期从数周压缩到数小时甚至数分钟。

世界生成模型来了，3D 头部玩家影眸 Hyper3D 发布 WorldGen

Tue, 01 Sep 2026 09:00:00 +0800

把 3D 生成的交付单位从单件资产升到带物理关系的可拆解场景，2-3 分钟单图出整场景+自动物理参数

ArXiv 每日精选 · 2026-08-31

Tue, 01 Sep 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型的可验证数据引擎与概率对齐评测、城市尺度空间智能体、流匹配免教师在线策略蒸馏、游戏世界动作模型、VLA 行为意图蒸馏、长程视频记忆与触觉流式动作生成等核心方向深度分析。

3秒出片比播放还快，MiniMax打开了AI视频的实时商业化路径

Mon, 31 Aug 2026 09:00:00 +0800

MiniMax 联合 fal 推出的 H3 Max 把 5 秒 768p 视频的生成压到 3 秒以内（吞吐约为原版 H3 的 35 倍），生成终于快过播放，直接催生了「无主播、观众点播、AI 现做」的直播新形态——视频生成赛道的竞争维度，正从画质转向速度与生态黏性。

ArXiv 每日精选 · 2026-08-28

Sat, 29 Aug 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖视频扩散模型规模化、视频生成赋能几何估计、长视频一致性与 KV 记忆、粒子世界模型、VLA 与机器人操作等核心方向深度分析。

ArXiv 每日精选 · 2026-07-02

Fri, 03 Jul 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型、3D生成、扩散模型、具身AI与机器人学习等核心方向深度分析。

ArXiv 每日精选 · 2026-07-01

Thu, 02 Jul 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型、视频生成、人体动画、具身智能、机器人学习等核心方向深度分析。

ArXiv 每日精选 · 2026-06-30

Wed, 01 Jul 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型、视频生成/编辑、具身智能、生成模型理论等核心方向深度分析。

ArXiv 每日精选 · 2026-06-29

Tue, 30 Jun 2026 06:00:00 +0800

精选 7 篇 ArXiv 最新 AI 论文，涵盖扩散模型、世界模型、视频生成、具身AI等核心方向深度分析。

ArXiv 每日精选 · 2026-06-28

Mon, 29 Jun 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型幻觉、Flow-matching 蒸馏、扩散模型多样性、具身智能高自由度控制、统一多模态自进化等核心方向深度分析。

ArXiv 每日精选 · 2026-06-27

Sun, 28 Jun 2026 06:00:00 +0800

精选 10 篇 ArXiv 最新 AI 论文，涵盖扩散模型蒸馏、视频生成3D感知、具身世界模型、多模态自演化、Flow加速等核心方向深度分析。

ArXiv 每日精选 · 2026-06-26

Sat, 27 Jun 2026 06:00:00 +0800

精选 7 篇 ArXiv 最新 AI 论文，涵盖扩散模型、世界模型、视频生成、动作生成、具身AI等核心方向深度分析。

ArXiv 每日精选 · 2026-06-25

Fri, 26 Jun 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖扩散模型、视频生成、VLA跨具身机器人、自动驾驶世界模型等核心方向深度分析。

ArXiv 每日精选 · 2026-06-24

Thu, 25 Jun 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖扩散模型评测、3D场景生成、视觉链式推理、VLA具身智能等核心方向深度分析。

ArXiv 每日精选 · 2026-06-23

Wed, 24 Jun 2026 06:00:00 +0800

精选 7 篇 ArXiv 最新 AI 论文，涵盖扩散模型、视频生成、动作生成、具身智能、3D生成等核心方向深度分析。

ArXiv 每日精选 · 2026-06-22

Tue, 23 Jun 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型、扩散模型、3D生成、机器人具身智能等核心方向深度分析。

ArXiv 每日精选 · 2026-06-21

Mon, 22 Jun 2026 06:00:00 +0800

精选 7 篇 ArXiv 最新 AI 论文，涵盖世界模型、扩散/流模型、自回归图像生成加速、具身机器人等核心方向深度分析。

ArXiv 每日精选 · 2026-06-20

Sun, 21 Jun 2026 06:00:00 +0800

精选 7 篇 ArXiv 最新 AI 论文，涵盖世界模型、扩散模型、自回归生成、具身智能及机器人学等核心方向深度分析。

ArXiv 每日精选 · 2026-06-19

Sat, 20 Jun 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型、扩散/流匹配模型、视频生成、具身智能、3D生成等核心方向深度分析。

ArXiv 每日精选 · 2026-06-18

Fri, 19 Jun 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖扩散模型、具身智能、视觉语言模型、机器人操作等核心方向深度分析。

ArXiv 每日精选 · 2026-06-17

Thu, 18 Jun 2026 06:00:00 +0800

精选 7 篇 ArXiv 最新 AI 论文，涵盖世界模型、多模态生成、运动生成、具身AI与机器人策略等核心方向深度分析。

ArXiv 每日精选 · 2026-06-16

Wed, 17 Jun 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖具身世界模型、交互视频世界模型、机器人操控策略、扩散模型逆问题、图像定制等核心方向深度分析。

ArXiv 每日精选 · 2026-06-15

Tue, 16 Jun 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖扩散模型、视频生成、具身AI、视觉语言模型等核心方向深度分析。

ArXiv 每日精选 · 2026-06-14

Mon, 15 Jun 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型、扩散模型加速、4D视频生成、机器人操控等核心方向深度分析。

ArXiv 每日精选 · 2026-06-13

Sun, 14 Jun 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型、扩散模型加速、视频生成、具身智能等核心方向深度分析。

ArXiv 每日精选 · 2026-06-12

Sat, 13 Jun 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型、扩散模型、视频生成、具身AI等核心方向深度分析。

ArXiv 每日精选 · 2026-06-11

Fri, 12 Jun 2026 06:00:00 +0800

精选 7 篇 ArXiv 最新 AI 论文，涵盖世界模型、扩散策略、具身AI、视频生成等核心方向深度分析。

ArXiv 每日精选 · 2026-06-10

Thu, 11 Jun 2026 06:00:00 +0800

精选 10 篇 ArXiv 最新 AI 论文，涵盖世界模型、扩散模型蒸馏、视频生成、具身AI、机器人操作等核心方向深度分析。

ArXiv 每日精选 · 2026-06-09

Wed, 10 Jun 2026 06:00:00 +0800

精选 7 篇 ArXiv 最新 AI 论文，涵盖世界模型、扩散模型、具身智能、多智能体视频生成等核心方向深度分析。

ArXiv 每日精选 · 2026-06-08

Tue, 09 Jun 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖扩散模型、世界模型、视频生成、具身AI、VLA模型等核心方向深度分析。

ArXiv 每日精选 · 2026-06-07

Mon, 08 Jun 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖扩散模型、世界模型、视频生成、具身AI、机器人控制等核心方向深度分析。

ArXiv 每日精选 · 2026-06-06

Sun, 07 Jun 2026 06:00:00 +0800

精选 7 篇 ArXiv 最新 AI 论文，涵盖扩散模型推理优化、视频物理一致性、世界模型空间推理、具身智能等核心方向深度分析。

ArXiv 每日精选 · 2026-06-05

Sat, 06 Jun 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型、具身AI、视频生成、扩散模型加速等核心方向深度分析。

ArXiv 每日精选 · 2026-06-04

Fri, 05 Jun 2026 06:00:00 +0800

精选 7 篇 ArXiv 最新 AI 论文，涵盖具身智能、世界模型、Flow Matching、VLA、3D生成、扩散模型等核心方向深度分析。

ArXiv 每日精选 · 2026-06-03

Thu, 04 Jun 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖视频生成、具身智能、机器人操控、多模态理解等核心方向深度分析。

ArXiv 每日精选 · 2026-06-02

Wed, 03 Jun 2026 06:00:00 +0800

精选 9 篇 ArXiv 最新 AI 论文，涵盖世界模型、视频生成、具身智能、3D生成等核心方向深度分析。

ArXiv 每日精选 · 2026-06-01

Tue, 02 Jun 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖扩散模型、世界模型、视频生成、统一多模态模型、具身AI等核心方向深度分析。

ArXiv 每日精选 · 2026-05-31

Mon, 01 Jun 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖视频扩散优化、世界模型因果性评测、4D生成、机器人具身感知等核心方向深度分析。

ArXiv 每日精选 · 2026-05-30

Sun, 31 May 2026 06:00:00 +0800

精选 10 篇 ArXiv 最新 AI 论文，涵盖视频扩散模型、流式视频生成、4D动态生成、因果推理评测、数字人生成等核心方向深度分析。

ArXiv 每日精选 · 2026-05-29

Sat, 30 May 2026 06:00:00 +0800

精选 10 篇 ArXiv 最新 AI 论文，涵盖视频世界模型、扩散模型加速、具身智能、4D生成等核心方向深度分析。

ArXiv 每日精选 · 2026-05-28

Fri, 29 May 2026 06:00:00 +0800

精选 7 篇 ArXiv 最新 AI 论文，涵盖多智能体世界模型、高效视频生成、VLA量化部署、人形机器人、扩散模型对齐等核心方向深度分析。

ArXiv 每日精选 · 2026-05-27

Thu, 28 May 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖多层图像扩散、具身智能 VLA、视频 DiT 加速、3D 生成编辑、Latent Diffusion 理论分析等核心方向深度分析。

ArXiv 每日精选 · 2026-05-26

Wed, 27 May 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖扩散模型对齐、4D动态生成、文本驱动仿人体控制、自动驾驶场景世界模型、仿人体运动序列建模等核心方向深度分析。

ArXiv 每日精选 · 2026-05-25

Tue, 26 May 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖扩散模型、视频生成物理保真、世界模型、3D生成、具身智能等核心方向深度分析。

ArXiv 每日精选 · 2026-05-24

Mon, 25 May 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型、扩散模型、具身智能、VLA机器人等核心方向深度分析。

ArXiv 每日精选 · 2026-05-23

Sun, 24 May 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型、扩散模型增强重建、VLA机器人、多智能体强化学习、视觉语言导航等核心方向深度分析。

ArXiv 每日精选 · 2026-05-22

Sat, 23 May 2026 06:00:00 +0800

精选 10 篇 ArXiv 最新 AI 论文，涵盖世界模型、具身AI/VLA、动作生成、生成模型等核心方向深度分析。

ArXiv 每日精选 · 2026-05-16

Sun, 17 May 2026 06:00:00 +0800

精选 10 篇 ArXiv 最新 AI 论文，涵盖世界模型、实时视频生成、扩散模型、具身AI等核心方向深度分析。

ArXiv 每日精选 · 2026-04-23

Fri, 24 Apr 2026 10:40:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型+机器人、视频时间控制、4D视频重拍、多模态统一模型、VLA长程操控、视觉语言幻觉抑制、IMU 4D感知及视图鲁棒操控等核心方向深度分析。

ArXiv 每日精选 · 2026-04-19

Mon, 20 Apr 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖扩散模型、Flow Matching、相机可控视频生成、文本驱动动作生成、视频编辑、3D 生成、多语言面部动画等核心方向深度分析。

ArXiv 每日精选 · 2026-04-15

Thu, 16 Apr 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖可探索世界模型、新一代生成范式、仿人机器人灵巧操作、多传感器SLAM、视觉偏好优化等核心方向深度分析。

ArXiv 每日精选 · 2026-04-14

Wed, 15 Apr 2026 06:00:00 +0800

精选 7 篇 ArXiv 最新 AI 论文，涵盖扩散模型、世界模型、视频生成、具身AI等核心方向深度分析。

ArXiv 每日精选 · 2026-04-13

Tue, 14 Apr 2026 06:00:00 +0800

精选 7 篇 ArXiv 最新 AI 论文，涵盖世界模型、扩散模型、视频语言模型、具身AI等核心方向深度分析。

ArXiv 每日精选 · 2026-04-12

Mon, 13 Apr 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖文本到视频扩散模型、4D动作生成、多模态Agent、自监督感知等核心方向深度分析。

ArXiv 每日精选 · 2026-04-11

Sun, 12 Apr 2026 06:00:00 +0800

精选 7 篇 ArXiv 最新 AI 论文，涵盖物理感知视频生成、视频扩散模型、4D 动态场景重建、多模态 Agent 等核心方向深度分析。

ArXiv 每日精选 · 2026-03-31

Wed, 01 Apr 2026 06:00:00 +0800

精选 7 篇 ArXiv 最新 AI 论文，涵盖扩散模型、动作生成、具身AI、VLA模型等核心方向深度分析。

ArXiv 每日精选 · 2026-03-30

Tue, 31 Mar 2026 06:00:00 +0800

精选 7 篇 ArXiv 最新 AI 论文，涵盖视频生成与压缩、动作生成、视觉语言模型空间推理、多模态推理增强、LoRA 模型合并等核心方向深度分析。

ArXiv 每日精选 · 2026-03-29

Mon, 30 Mar 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖视频生成、世界模型、VLA机器人操控、视频编辑等核心方向深度分析。

ArXiv 每日精选 · 2026-03-28

Sun, 29 Mar 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖长视频生成、世界模型记忆机制、视频流式生成、HOI动画、多模态交错生成等核心方向深度分析。

ArXiv 每日精选 · 2026-03-27

Sat, 28 Mar 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖长视频生成、视频世界模型、机器人世界模型、HOI动作生成、多模态生成等核心方向深度分析。

ArXiv 每日精选 · 2026-03-26

Fri, 27 Mar 2026 06:00:00 +0800

精选 9 篇 ArXiv 最新 AI 论文，涵盖扩散模型加速、世界模型驾驶、视频生成、具身AI等核心方向深度分析。

ArXiv 每日精选 · 2026-03-25

Thu, 26 Mar 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型、具身智能、扩散模型、视频生成等核心方向深度分析。

ArXiv 每日精选 · 2026-03-24

Wed, 25 Mar 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖扩散模型加速、世界模型、运动生成、具身智能、视频超分等核心方向深度分析。

ArXiv 每日精选 · 2026-03-23

Tue, 24 Mar 2026 06:00:00 +0800

精选 7 篇 ArXiv 最新 AI 论文，涵盖扩散模型、世界模型、视频生成、具身AI等核心方向深度分析。

ArXiv 每日精选 · 2026-03-22

Mon, 23 Mar 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖扩散模型、具身智能、动作生成、视频编辑、生成式分类等核心方向深度分析。

ArXiv 每日精选 · 2026-03-21

Sun, 22 Mar 2026 06:00:00 +0800

精选 7 篇 ArXiv 最新 AI 论文，涵盖扩散模型、具身智能 VLA 模型可解释性、自动驾驶 3D 感知、视觉语言模型等核心方向深度分析。

ArXiv 每日精选 · 2026-03-20

Sat, 21 Mar 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖离散生成模型、扩散运动生成、视频编辑、具身智能 VLA 可解释性、机器人运动控制等核心方向深度分析。

ArXiv 每日精选 · 2026-03-19

Fri, 20 Mar 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖视频世界模型、扩散模型训练、3D生成、具身规划等核心方向深度分析。

ArXiv 每日精选 · 2026-03-18

Thu, 19 Mar 2026 06:00:00 +0800

精选 7 篇 ArXiv 最新 AI 论文，涵盖世界模型、视频生成、具身智能、机器人操作等核心方向深度分析。

ArXiv 每日精选 · 2026-03-17

Wed, 18 Mar 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖城市级世界模型、视频扩散控制、具身AI操控、VLA视觉增强、AI数学发现等核心方向深度分析。

ArXiv 每日精选 · 2026-03-16

Tue, 17 Mar 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖扩散模型驱动的人形机器人动作生成、世界模型评估、流式视频推理、多人动作编辑、具身导航等核心方向深度分析。

ArXiv 每日精选 · 2026-03-15

Mon, 16 Mar 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖具身智能、视频生成与理解、扩散模型、流式感知等核心方向深度分析。

ArXiv 每日精选 · 2026-03-13

Sat, 14 Mar 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖扩散模型、具身智能、视频理解、机器人学习等核心方向深度分析。

ArXiv 每日精选 · 2026-03-10

Wed, 11 Mar 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型、视频生成、扩散模型、具身AI与机器人控制等核心方向深度分析。

ArXiv 每日精选 · 2026-03-09

Tue, 10 Mar 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖扩散模型效率优化、物理感知视频生成、扩散语言模型、全向避障机器人、视觉语言模型可解释性等核心方向深度分析。

ArXiv 每日精选 · 2026-03-08

Mon, 09 Mar 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型、扩散模型推理加速、具身智能、VLA可解释性等核心方向深度分析。

ArXiv 每日精选 · 2026-03-07

Sun, 08 Mar 2026 06:00:00 +0800

精选 5 篇 ArXiv 最新 AI 论文，涵盖扩散模型、世界模型、视频生成、具身AI等核心方向深度分析。

ArXiv 每日精选 · 2026-03-06

Sat, 07 Mar 2026 06:00:00 +0800

精选 8 篇 ArXiv 最新 AI 论文，涵盖视频生成加速、人像视频控制、人形机器人全身控制、具身智能、大规模视频理解等核心方向深度分析。

ArXiv 每日精选 · 2026-03-05

Fri, 06 Mar 2026 06:00:00 +0800

精选 7 篇 ArXiv 最新 AI 论文，涵盖视频生成、扩散模型、具身智能、3D生成等核心方向深度分析。

Arxiv CV 每日精选 · 2026-03-04

Thu, 05 Mar 2026 00:00:00 +0000

2026-03-04 Arxiv 计算机视觉方向精选论文 16 篇，涵盖 3D 视觉、扩散模型、多模态、视频生成等方向。

Hello World - 博客启航

Thu, 05 Mar 2026 00:00:00 +0000

第一篇文章，记录博客的开始。

关于我

Thu, 05 Mar 2026 00:00:00 +0000

Hi，我是 gulucaptain。

这里记录我的技术探索、AI 实践和工程思考。

阅读剪藏：公众号与技术文章的摘要、摘录与核查笔记，见剪藏
GitHub: gulucaptain

友情链接

Thu, 05 Mar 2026 00:00:00 +0000

这里收录与本站互链的优质站点：

站点	简介	访问
ElephantMilitary 军事快报	全球军事资讯追踪与整点动态汇总。	立即访问

建议在新标签页打开，便于继续浏览本站内容。