SERA获51.38%成功率：自进化框架让机器人牢记过往任务
研究人员提出 SERA，在固定底层 VLA 执行器之上，用可编辑的“外挂框架”管理高层 VLM 规划，让机器人记住任务进度并从执行反馈中修正判断。据摘要，其在 RoboMME 基准上取得 51.38% 总体成功率，相比无自进化版本提升约 7 个百分点。
分类： AI 资讯
SP-HLM：用五个人体姿态点驱动人形机器人全身移动操作
alphaXiv 收录的论文 SP-HLM 提出一种“稀疏姿态接口”，只显式指定骨盆、双腕、双踝五个关键姿态，再结合学习到的动作先验补全全身运动，让上层视觉语言动作模型（VLA）从预测全身动作中解放出来；论文称在仿真与真机上相对现有方法有提升。
AW-0 把代码预测引入机器人世界模型，双臂任务得分较 DreamZero 高 25.1 分
论文 AW-0 提出“智能体世界动作模型”，把代码、视频和动作三条生成流放进同一架构联合预测，在 8 个真实双臂操作任务上平均评分 71.1%，比 DreamZero 高 25.1 分。这说明技能复用与物理预测可以在一个模型里衔接，但论文还未转化为可用产品。
SpatialScout 基准发布：VLM 智能体主动建 3D 地图，最强模型重叠分仅 41.71%
Hugging Face Papers 收录的一篇论文提出 SpatialScout 基准，专门考察视觉语言模型（VLM）智能体能否通过主动探索，为室内场景中的目标物体估计三维坐标并构建度量地图。目前公开摘要显示，表现最好的 Claude Opus 5.5 平均重叠分只有 41.71%，说明从粗略物体布局到精…
StreamEval 发布交互式流式视频生成基准：37 个模型测试，请求执行仍是短板
Hugging Face Papers 收录的论文提出 StreamEval，一个覆盖五类任务的交互式流式视频生成统一基准，用 300 个测试用例评测 37 个模型，结果显示视觉质量高不等于能可靠执行用户请求。
PrismaCoder开源多模态代码智能：9B/35B模型与2M数据集挑战闭源
2026年10月发布在 Hugging Face Papers 的论文提出 PrismaCoder，用“拆解式评分标准”同时完成数据筛选和强化学习奖励，构建 200 万样本的多模态代码数据集，并开源 9B 与 35B 两个模型，称在视觉编程任务上大幅领先开源界，接近闭源系统。
arXiv论文提出多智能体复合AI系统：用大模型对话调优头颈癌质子放疗计划
一篇 arXiv 新论文提出把深度强化学习自动生成放疗计划与基于 Qwen3-14B 的多智能体对话调整结合起来，用于头颈癌质子笔束扫描治疗计划。目前只公开了摘要，属于研究框架而非上线产品。
AgentPolicyForge用可执行环境训练策略护栏，攻击成功率最多降44%
arXiv 上一篇新论文提出 AgentPolicyForge 框架，把策略约束做成可执行环境来生成测试集并反复训练策略护栏，摘要称其在自建 PolicyGym 测试集上把攻击成功率相对降低约 40%–44%，值得关注的是它试图解决“只靠提示词管不住 Agent 越权调用工具”的老问题。
PerMIT 论文提出可机器校验的 LLM Agent 持久记忆完整性方案
arXiv 上一篇新论文提出 PerMIT 记忆架构，试图用“可信输入闸门 + Lean 4 机器校验的完整性定理”限制 LLM Agent 持久记忆被注入和投毒的风险，并让记忆能在多 Agent 间共享。目前仅为论文摘要，尚无已上线产品。
arXiv论文发现LLM智能体拒答失效：文本拒绝后仍会执行危险工具调用
一篇 arXiv 新论文指出，大模型在聊天中拒绝的有害请求，接入工具后仍可能被转化为不安全的工具调用，说明只评估文本拒答不足以衡量智能体安全。