浙大發布首篇智慧眼鏡第一人稱智慧綜述，提出 L0-L5 框架
浙江大學 APRIL Lab 發布綜述，稱其為首篇系統梳理智慧眼鏡第一人稱智慧的研究框架。論文把硬體歸納為第一人稱視覺採集、音訊、空間感知、近眼反饋、免手互動、計算與連線、資料介面、部署包絡八條可驗證能力軸，並抽象出七項基礎能力，以及從 L0 記錄到 L5 具身耦合的層級框架，用以界定任務與證據邊界。作者還整理了九類應用場景、九維部署框架與以主張為條件的評估協議，並開源 GitHub 資源庫（arXiv:2608.24877）。
首次為智慧眼鏡給出八條硬體能力軸、七項基礎能力與 L0-L5 層級，把模糊的 AI 眼鏡標籤轉化為可評估、可復現的研究條件，對做第一人稱視覺與具身智慧的研究者最有參考價值。
原標題：从「看见」到「行动」：浙大团队发布首篇「智能眼镜第一人称智能」综述
閱讀原文
| 評分 | 60 / 60（平均 60，門檻 65） |
|---|---|
| 狀態 | 未入選 |
相關報導
近 200 篇工作綜述：可供性學習被統一為感知—推理—行動框架
南洋理工大學、清華大學、上海交大等十餘家機構聯合發布綜述，以「感知—推理—行動」為主線梳理近 200 篇具身智慧可供性學習工作。綜述將研究分為可供性感知（2D、3D、互動驅動、可泛化）、可供性推理（關係式、語言中心、智慧體式）與可供性引導行動（分層執行、策略學習融合）三個層次，並彙總五類資料集與 IoU、mAP、aIoU 等評測指標。作者指出視覺預測準確並不等於機器人能成功執行，未來評測需納入機器人本體約束與物理可行性。
何愷明團隊發布視覺原生 Harness 框架 VISTA
何愷明團隊提出視覺原生 Harness 框架 VISTA，讓現有多模態模型無需重新訓練，就能儲存原始畫面並在推理時按需回看、放大細節。VISTA 把環境返回的每幀畫面按回合號、幀號索引存到上下文之外，預設只向模型展示最後一幀，需要時用 inspect 工具調取歷史畫面。搭配該框架，Claude Opus 5.0 通關 ARC-AGI-3 全部 25 個公開遊戲，動作效率得分滿分 100，所用動作數比人類首次遊玩基線少 57.4%；
Latent Space 專訪 MIT Alex Zhang：談 RLM 與 agent 叢集
Latent Space 播客本期嘉賓為 MIT 的 Alex Zhang，他是 Recursive Language Models（RLM）的作者，也是 GPU Mode 社群成員。
源策未來公開全身智慧實機成果，在宇樹 G1 與加速進化 T2 上驗證
成立半年的源策未來首次系統性公開全身智慧技術路線的實機成果：機器人能搬踏臺登高取物、低位拾瓶、清理餐桌與操作洗碗機，並已在宇樹 G1 與加速進化 T2 兩種本體上驗證。團隊自研 S0 全身控制系統負責足部軌跡、軀幹姿態與重心轉移，S1 按現場狀態組織任務動作，模型先以第一視角人類全身資料 EgoBody 預訓練，再經真機後訓練與人形 DAgger 人工糾正。該路線今年 7 月由團隊在技術部落格中提出，創始人包括李弘揚、李天羽、陳立。
論文：如何讓 System 1 大模型展現 System 2 能力
AAAI 期刊論文《How to make System 1 LLMs show System 2 competencies?》在 Wiley Online Library 上線，研究如何讓直覺式（System 1）大模型表現出慢思考（System 2）的能力。全文需經 Wiley 連結檢視，Hacker News 同期討論帖僅 7 分、1 條評論。原文未披露所用方法、模型與實驗資料。