WildAWM 合成整臺電腦環境訓 CUA，兩個 Qwen 模型 8 項評測全漲
微軟研究院聯合 UNC、喬治亞理工等發布 WildAWM：直接合成整臺個人電腦（含 CLI、GUI、MCP 介面）作為訓練環境，只用開源模型造資料，僅訓練兩個 Qwen 模型就在 8 個分佈外 agent 基準上全部提升，Qwen3.6-35B-A3B 平均分從 42.84 升到 53.42。合成流程從 2551 條草稿中篩出 341 道跨介面任務，平均含 4.2 個子任務、需切換介面 3.1 次；
把合成環境從孤立工具擴充套件到含 CLI、GUI、MCP 的整臺電腦，僅用開源模型就造出讓 GPT-6 Astra Pass@8 仍失手 27.3% 的題，並開源環境與驗證器，做 agent RL 與 CUA 訓練的人可直接複用。
原標題：「假电脑」教AI用电脑，出的题连GPT-6 Astra都做不对
閱讀原文
| 評分 | 80 / 80（平均 80，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
白澤通境發布溯因式世界模型 AWM，2bit 量化跑進機器人端側
中科大系公司白澤通境發布溯因式世界模型 AWM，並開源論文與程式碼，配合自研端側推理引擎 BAIZ-RUN 把模型壓進機器人本地執行。AWM 從無標註影片學習，在 Push-T 任務上以 2000 條軌跡達到 75% 成功率，約為 Causal-JEPA 所需資料的七分之一，資料加到 14728 條時成功率約 92%。
清華姚期智團隊提出代數世界模型 AWM，ARC-AGI-3 全部通關
清華大學姚期智、袁洋團隊提出「代數世界模型」（AWM），讓 AI 把觀察到的現象寫成可執行假設、凝鍊為通用規則，最後用 Lean 4 形式化成機器可檢驗的數學證明。在 ARC-AGI-3 上，基於 Opus 5 的 AWM 通關全部 183 個關卡，得分 99.9%，平均通關步數只有人類基準的 43%；面對被人為改成無解的關卡，它嘗試兩次即證明「不可能」，並指出再增加一步就能獲勝。團隊同時說明，這些證明只在已觀測到的世界內成立，探索不全時得到的只是區域性真理。
清華團隊 PrismWAM 登頂 RoboTwin 2.0，未用動作資料預訓練
清華大學李一鳴團隊發布世界動作模型 PrismWAM，在雙臂操作基準 RoboTwin 2.0 上以平均成功率 83.67% 位列官方榜首，且未做額外的動作資料預訓練。該模型把語義上下文與物理狀態解耦，動作生成只讀取深度物理表徵，在 Clean-to-Random 高難度遷移評測中成功率達 75.5%。
微軟與 UCSB 提出 ScholarEvolve：Agent 讀論文自我進化
微軟與 UCSB 提出 ScholarEvolve，讓 Agent 從 arXiv 檢索論文並把其中的方法實現為程式碼，在不改動模型引數的前提下自動改進 Agent Harness。在 AppWorld Challenge 上，Qwen3.5-27B 的任務完成率從 49.6% 升至 63.6%，提升 14 個百分點，高於 Meta Harness 的 54.6%；GPT-5.4-mini 則從 46.1% 升至 55.6%。
Qwen 3.8 27B 在筆記本上僅憑模型權重識別遊戲
Simon Willison 用 LM Studio 在筆記本上執行 17GB 的 Qwen 3.8 27B，僅憑一段浮點權重文字就判斷出該網路訓練的是哪款遊戲。它花 46 分 12 秒、43,506 個推理 token 猜出 Pac-Man（置信度 72%），又用 1 小時 4 分 54 秒認出 Pong。