Robotics

长上下文 RL 突破 2M tokens 固定 GPU 预算（LongStraw 登顶）；On-Policy 蒸馏迎来系统性拆解（SEED 自进化 + Demystifying 病理学）；世界-动作模型安全警报 BadWAM「梦对了却动错」；机器人策略上下文暴涨三个数量级 RoboTTT；KV-Cache 移植让冻结小模型「又聪明又便宜」。

今日主线是「Agent 走进物理世界与真实负载」：论文侧从 VLA 的常识保真（Act2Answer）、机器人技能自发现（ASPIRE）、到扩散推理加速（BlockPilot）与流式视频生成的服务经济学（TurboServe）；GitHub 侧则是自主红队（T3MP3ST）、去中心化 GPU 算力（Talos）、本地推理与省 token（local-llm / token-diet）扎堆，Qwen 官方连发机器人导航/操作两仓。

今天的主线是 agent 正在从「单次任务执行」走向「自我学习与持续改进」：从 playful agentic robot learning、spatial tool-use，到 LLM agent 评测方法论的反思；工程侧则集中在 agent-native 框架、sandbox runtime 与国产 GLM-5 的 agentic engineering 路线。

今天最值得记住的主线，不是单个模型又涨了多少分，而是 AI agent 正同时撞上三道真实门槛：个人工作流能否 DIY 到足够强、企业上下文能否被安全喂给 agent，以及 embodied AI 是否开始从软件能力外溢到物理世界。