分类： AI 资讯

Movens-Zero 用网络视频造人形机器人动作基础模型，规模达千万级序列

研究团队发布论文，提出从互联网视频中提取并经过人形机器人执行验证的动作数据管线 Movens-5M，并训练出可同时理解文本、语音、音乐和视频、支持实时闭环执行的动作模型 Movens-Zero。

DeepSeek Harness团队发布技术文章并开源Super-agent原型，用双层调度架构让多个Agent并行工作，并在群聊中无人点名时主动排查Bug；值得关注的是，它把多任务Agent的瓶颈从人的注意力转向系统吞吐。

alphaXiv 上的论文 ID-WM 提出一种分层世界模型，把长程规划拆成“可达状态生成”和“底层动作求解”两层，在导航与操作任务上声称优于主流规划器，值得关注的是它为具身智能的长任务规划提供了一个可复用的结构思路。

Hugging Face Papers 收录的论文 FrameForge 提出用“虚拟时间关系”重构统一条件图像生成，让同一个模型处理主体驱动生成、canny-to-image 和图像编辑等任务。它值得关注，是因为这代表了一条借视频基础模型先验来改进图像生成的技术路线。

2026年11月2日，Anthropic向搭载Opus 5.5模型的Claude Code推送了一条用户无法关闭的隐藏规则，要求AI不得复刻特定现有游戏，只能协助原创设计或成熟品类内的开发。这反映AI降低游戏开发门槛后，独立开发者对作品被快速克隆的普遍焦虑。

Hugging Face Papers 收录了一项名为 CaPtain 的机器人智能体后训练管线研究，声称仅凭一个小型开源视觉语言模型（VLM），无需 VLA 或闭源前沿模型，即可通过“写代码控制机器人”完成任务，并已开源代码、数据和权重。

Hugging Face Papers 收录的论文摘要显示，Apriel Voice 27B Preview 是一个开源语音语言模型，把语音理解、推理和工具调用统一到同一推理骨干中，无需单独的对话模型。

arXiv 上一项新研究在简化周界防御模拟中对比了“中央指挥官”“拍卖共识团队”“独立智能体”三种 LLM 多智能体架构，共识团队入侵率最低（15%）；研究还发现，低成本的 LLM 一旦分到更多竞标决策权，防御表现会明显变差。

2026年11月2日发布于arXiv的一篇新论文提出CGAP方法，先用经典规划器生成可执行计划、再由LLM补全细节并校验结果，在多个智能体工具调用基准上最高比标准工具调用智能体高28.9个百分点。它值得关注，是因为它试图把LLM智能体“试错式调用工具”改成有规划、可验证的流程。

arXiv 上一篇新论文提出基准 ReplayRCA，不比对标注，而是把环境还原到出错步骤前，用模型提出的动作替换原动作，再看智能体能否继续完成任务。它试图回答一个问题：另一个模型能不能找到多步任务失败的关键错误并有效补救。