标签： GPT-4

FLEX让语言直接编辑机器人表征，新增泛化屏蔽三操作缺一不可

alphaXiv 收录的论文提出 FLEX 方法，用自然语言修正机器人对任务特征的内部表征，并通过“新增、泛化、屏蔽”三类操作分工配合；实验显示，在连续修正场景中，这三类操作缺一不可。

Andrej Karpathy 开源 nanochat，用单节点 8 张 H100 约 1.5 至 2 小时、48 美元左右即可训练出达到 GPT-2 水平的模型并进行对话，让大模型训练链路变得可动手复现。

2026 年 11 月 1 日，投资人 Garry Tan 在 X 上转发并评论了 Freda Duan 关于机器人前沿的十条判断，核心观点是机器人领域的“GPT-3 时刻”已经出现，实用机器人正在临近；但这仍属于个人观察，不是产品发布或官方结论。

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。

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。

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。

arXiv 一篇新论文提出 Noura 方法，把公开临床指南和个人健康档案转成可执行规范，用来监督大模型做多日饮食规划；在摘要给出的评测中，微调后的 Qwen3-14B 完整计划通过率从 24.0% 提升到 72.5%，规则违规减少 97.5%。

arXiv 新论文推出 CLR-Bench 基准，用逐级叠加的隐藏规则测试自进化智能体能否真正学会没人直接告诉它的规则。结果显示，在特定认证模型下多数方法几乎学不会，固定提示却能显著提升分数。

Hugging Face Papers 收录的 Investor's Last Exam 基准，用冻结信息集和专家标准考察 AI 的完整股票研究流程；目前公开摘要显示，GPT-6 Astra 与 Claude Opus 5.5 总分领先，但在预测与建模环节仍明显不足。

美团龙猫于2026年11月2日发布1.6万亿参数原生多模态模型LongCat-2.5，重点面向长程智能体任务，在线体验和API已开放，权重即将开源。