搜索
月之暗面（Moonshot AI）创始人杨植麟联合清华大学及图灵奖得主姚期智团队推出TCSExam，以机器核验的科研交付物评测大模型，GPT‑6 Astra居Full榜首，开放猜想有效解答仍依赖联网检索改编。
上海交通大学赵海教授团队在arXiv发布BriLLM-MetaPred，首次将AGI数学理论推导的MetaPred原语落地为可运行语言模型，其在约13.2M参数规模下的预测性能与同规模GPT基线相当。
清华大学人工智能学院提出面向 Coding Agent 的 observation 压缩方法 CoACT，在 SWE-bench Verified 的三个 Agent 模型上平均减少 33.0% 总 token 消耗且 PASS@1 与未压缩时相近，该工作获 ICSE 2027 直接接收（Top 5%）。
Real2Sim2Real 为此提供了一条路径：将真实场景重建为仿真环境，在其中生成示范、训练策略，再将技能迁移回真实机器人。但要让这条路径支撑人形机器人的全身操作，仍需跨过两道门槛。
长程智能体（long-horizon agents）正从「修一个 bug」走向连续数小时的终端与编程工作，但它的强化学习训练也格外昂贵：前沿实验室可以在数千张 GPU 上扩展 RL，而对多数团队来说，一条训练样本往往就是一次长达 3 小时、上百轮工具调用的完整尝试，任何一个环节出错，浪费的都是成小时的 GPU 时间。
「刚才是谁说，打算种花？」
Coding Agent写代码的能力越来越强，写测试的能力也在同步提升。从为函数补单元测试、为GitHub Issue编写复现用例，到为整个代码仓库构建回归测试，Codex、Claude Code等前沿Coding Agent已经能够浏览仓库、修改实现，并借助执行反馈不断修正测试。
在机器人操作研究中，视觉语言动作模型（Vision-Language-Action，VLA）与世界动作模型（World Action Model，WAM）为机器人提供了不同的动作生成路径。但当任务从一次抓放延伸到连续搭建与双臂协同，决定成败的就不只是眼前这个动作能否完成，还包括此前建立的条件能否一直支撑后续执行。
设想一个客服系统，每秒涌进成百上千条用户请求。
工业推荐的优化重心，已经从单一交互指标转向整体eCPM（每千次曝光收益）。