行业趋势

人形机器人踩空也能站稳：GigaBrain跌倒恢复率99.3%

人形机器人按着坐椅指令下蹲时，椅子可能已经被移走；踢腿动作也可能让自己的四肢互相碰撞。GigaBrain-WBC-0.5把动作、下一时刻身体状态和下一条可行动作分布放进同一个因果Transformer里，让控制器在执行前识别不合理指令并收回

英伟达ADEPT训练灵巧手：五次实验全部闯到最高难度

五指机械手要完成插销，得先找到物体、抓稳、在手中调整方向，再把它对准孔位。英伟达、密歇根大学提出ADEPT：先用通用“物体重定向”任务预训练，再用一套稳定后训练方案学习具体操作。论文的Kuka-Allegro插销实验中，五个随机种子全部训练

UCLA等让人形机器人边走边抓：15万条仿真轨迹训练，实机成功率73.3%

让人形机器人走到陌生目标前、保持平衡并伸手抓取，需要把视觉导航、全身控制和操作连在一起。加州大学洛杉矶分校、艾伦人工智能研究所、华盛顿大学等机构提出FetchMan，在超过15万个仿真场景中训练，并把策略零样本部署到真实宇树G1。

清华&长城汽车等提出SPVC：修好跨数据集驾驶视频里的结构错位

自动驾驶仿真把相机移到训练轨迹之外，3D高斯溅射生成的道路、建筑和车道线容易变形；向场景插入车辆后，前景还可能与背景错位。清华大学人工智能产业研究院、浙江大学、长城汽车、上海交通大学等机构提出SPVC，用一套两阶段视频扩散模型修复跨数据集驾

腾讯发布CoinVE-200K：一条指令同时改人、物和背景，视频最长201帧

把人物外套换色、在肩膀上加一只鹦鹉，再替换背景，现有视频编辑数据通常会把三项操作拆成三个样本。腾讯发布CoinVE-200K，把2至5种原子编辑组合进同一条指令，目标同时覆盖人物、物体和背景。

不用标准答案也能练推理？字节等提出Co-RL，多智能体互评最高提升8.6%

没有标准答案时，让模型给自己打分很容易把原有偏见越练越强。埃克塞特大学、字节跳动、约翰斯·霍普金斯大学、加州大学圣迭戈分校等机构提出Co-RL，让多个不共享参数的模型互相提供强化学习奖励，并用不同模型家族、规模和训练样本降低共同犯错。

人类撤掉方法指导，AI科研得分近乎腰斩：清华等发布ASI-Bench

给AI完整实验路线时，它能沿步骤执行；只给研究问题，让它自己决定方法，成绩迅速下滑。清华大学、麻省理工学院、哈佛大学、微软研究院等机构发布ASI-Bench，用60项项目级任务测试AI探索未知、选择方法并产出可验证结果的能力。

华为&港中大提出LEGO-RL：不改智能体框架，SWE-bench最高提升9.4个百分点

编程智能体在真实仓库里会压缩上下文、反复调用工具、重启环境，训练器很难精确知道哪些Token由当前策略生成。华为、香港中文大学提出LEGO-RL，在不改动Agent内部控制流的前提下，把OpenHands SDK、Claude Code和O

微软等发布Agent Lightning 1.0：6000条样本把编程智能体提升14.6个百分点

训练编程智能体时，真正执行工具、保存上下文和控制循环的往往是Agent框架，强化学习训练器却希望接管整条交互。微软、复旦大学、浙江大学、爱丁堡大学等机构发布Agent Lightning 1.0，让现有智能体继续掌管运行过程，训练侧通过模型

浙大&上交提出DAS：让智能体闭环写综述，30个主题总分拿下4.34

自动生成综述最容易出现的不是少写一篇论文，而是分类、论点、引用和段落之间彼此脱节。浙江大学、上海交通大学提出Deep Academic Survey（DAS），把论文分析与专题写作拆开，并用可回退的状态记录组织、写作和审校过程。

阿里云&上交等提出AViTS：只放大关键Token，扩散模型最高加速14.76倍

扩散模型从低分辨率切到高分辨率时，通常会把所有潜在Token一起放大，即使大片背景已经稳定。上海交通大学、山东大学、阿里云、西安交通大学等机构提出AViTS，依据文本相关性和跨去噪步骤的特征变化，只优先细化真正重要的Token。

英伟达等提出Hydra-0：把机器人动作变成像素流，运动误差降低90.4%

机器人换一副机械臂，原有世界模型往往就要重新学习动作含义。英伟达、布朗大学、哥伦比亚大学、哈佛大学等机构提出Hydra-0，把关节角、末端位姿等机器人专属命令转换成画面中的像素运动轨迹，让不同形态的机器人共享一种视觉动作接口。

剑桥RigidBench测8款视频模型：没有一个在10项物理指标上全面领先

剑桥大学团队提出RigidBench，用模拟器给视频生成模型建立可核对的刚体运动标准答案。8款模型在同一批100个样本上接受10项测量，没有一个模型在全部指标领先；更反常的是，模型平均SSIM越高，3D轨迹误差反而越大，相关系数达到0.89

上海AI Lab复旦中科大等让AI生成300零件3D物体，序列最长25.6万Token

上海人工智能实验室、复旦大学和中国科学技术大学等机构联合提出MegaParts，用自回归大模型生成由语义零件组成的3D物体。系统支持最多300个部件、最长25.6万Token序列，生成的门、抽屉、钢琴键等部件保持独立，便于后续移动、替换和制

腾讯港科广等让AI从一句话搭3D世界，GPT-5.5等成功率仍低于60%

香港科技大学（广州）和腾讯联合提出VibeWorlding：用户用文字或图片描述场景，智能体自行理解意图、检索3D资产、调整布局，并根据多视角渲染结果继续修改。论文的6828条查询中，GPT-5.5和Qwen3.8-Max成功率都低于60%

北大京东等让机器人读说明书操作家电，7B模型开放规划超过最佳基线10倍

北京大学、北京航空航天大学和京东科技联合提出AppliancePlan，让机器人结合说明书、当前画面和操作状态规划家电任务。团队构建覆盖22类家电的数据集；论文报告，7B模型在RealAppliance-Bench开放规划上超过最佳基线10

腾讯优图上交等发布PersonaShot：AI视频画面再漂亮，也会在切镜后忘记人物状态

上海交通大学、腾讯优图实验室和浙江大学联合发布PersonaShot，专门评估人物在多镜头AI视频中的叙事连续性。基准包含约1000个多镜头片段和16项指标。团队发现，高观感画质并不保证切镜后的物理状态、情绪变化和镜头关系保持连贯。

阿里达摩院南大等做0.1度天气预测，72小时内85%以上时段胜过IFS-HRES

南京大学、蚂蚁集团和阿里巴巴达摩院联合提出BaguanHR，目标是训练0.1度全球高分辨率天气模型。论文报告，在72小时预报范围内，其合成加真实数据版本在超过85%的受测时段优于IFS-HRES；训练数据翻倍时，72小时预报RMSE下降4.

蚂蚁清华等发布VideoGAIA：GPT-5.5等前沿模型看视频答题仍低于60%

香港中文大学、蚂蚁集团和清华大学等机构联合发布VideoGAIA，把视频问答从“看完选答案”改成多轮调查：模型要反复观察视频、调用外部工具、搜索开放世界信息并整合证据。271项任务中，包括GPT-5.5和Kimi-K3在内的所有受测模型准确

斯坦福MIT等用VR一周采集75小时数据，灵巧手只需1—2小时真机示范

斯坦福大学、麻省理工学院和Scale AI联合提出SPD，把灵巧手的大规模操作数据采集放进VR仿真。5名操作者在一周内积累75小时多任务轨迹，模型预训练后，只用1—2小时真实演示微调，就能迁移到56自由度的双手灵巧机器人上。