AlphaNIST：單一策略靠二元獎勵完成 NIST 全部 20 項裝配
AlphaNIST 讓單一端到端策略在模擬中完成 NIST 裝配任務板 #1 的全部 20 項高精度裝配，只給二元成功獎勵、不預設操作步驟，訓練成功率高於 20 個分別訓練的專家策略。任務中零件最小僅 4 mm，訓練從散件、手持抓取到半成品等多樣初始狀態出發，並用 Beta 取樣優先練習成功率約一半的狀態。實驗顯示額外加入接近與對齊獎勵反而降低成功率；策略還自發學會放下並重新抓取 8 mm 銷釘、借板面接觸轉動防水聯結器等動作。
論文給出具體實驗：單一策略在 NIST 20 項裝配上勝過 20 個專家策略，並指出接近與對齊獎勵反而有害，還列出多項自發裝配技巧，對機器人操作與強化學習研究者有參考價值。
原標題：AlphaNIST
閱讀原文
| 評分 | 65 / 70（平均 67，門檻 76） |
|---|---|
| 狀態 | 未入選 |
相關報導
CodeActionBench 發布：GPT-6 Astra 機器人操作成功率 73.3%
南洋理工大學研究者與合作者發布 CodeActionBench，用 25 個雙臂模擬任務評測通用多模態 Agent 的機器人操作能力。GPT-6 Astra 在 Codex CLI 下嘗試成功率 73.3% 居首，75 次嘗試完成 55 次、22 個任務至少成功一次；Claude Opus 5 在 Reference harness 與 Claude Code 下分別為 49.3% 和 45.3%，Gemini 3.6 Flash 為 20.0%。
@GoogleDeepMind
AA-Robotics 首份榜單發布：GPT-6 Astra 操控機械臂得分居首
Artificial Analysis 於 10 月 14 日發布 AA-Robotics v0.1，首次讓 GPT、Claude、Gemini 等前沿模型藉助程式設計 Agent 操控真實機械臂，零樣本完成倒水、寫字、搭積木等八項任務。GPT-6 Astra 以 69.4 分居首，GPT-6.1 Sol 64.6 分，Gemini 4 Argon 55.3 分，Claude Opus 5.5 與 Fable 5.1 分別為 48.8 和 46.3 分。
AI 首次在 Stratego 上擊敗人類頂尖選手
卡內基梅隆、MIT、紐約大學與斯坦福的研究團隊開發出 AI「Ataraxos」，以 15 勝 1 負 4 平擊敗被公認為史上最強的 Stratego 選手 Pim Niemeijer。此前連 DeepMind 都未能造出穩定戰勝頂尖人類玩家的 Stratego 機器。該 AI 僅用 16 塊 GPU、數千美元訓練成本，相關成果針對的是資訊不完全、隱藏資訊隨時間長期展開的博弈。
Recursia 零樣本長時機器人操作超輝達 ASPIRE 最高 15.1 個百分點
研究團隊提出具身 RSI 系統 Recursia，通過內外雙層迴圈讓機器人從執行經驗中改進共享執行棧，在 LIBERO-Pro Long 零樣本長時操作的位置/任務擾動下成功率達 28.4%/53.4%，比輝達 ASPIRE 高 5.8/15.1 個百分點。共享棧分為工具、技能、交接、驗證四層，候選修改需經通用性檢查、機制測試及父子版本配對比較。