Einsia AI 發布 EmbodiedEvo，自進化 Coding Agent 登頂 RoboDojo
Einsia AI 旗下 Navers Lab 發布 EmbodiedEvo，讓 Coding Agent 在單個 Playground 場景中通過互動積累程式碼 Skills 與文字 Lessons，凍結經驗後交給新 Agent 在未見場景複用，全程不更新模型權重。在具身評測 RoboDojo 上，它以 45.08 平均分、38.95% 成功率超過所有 VLA/WAM 與 Agent 方法；
首次把 Coding Agent 自進化出的經驗凍結後跨場景、跨模型複用，並給出 RoboDojo 登頂與 13.36%→35.08% 的提升資料，對做具身智慧與 Agent 記憶的研究者最有用。
原標題：具身智能迎来范式跃迁！EinsiaAI发布EmbodiedEvo，自进化Coding Agent登顶具身珠峰Robodojo
閱讀原文
| 評分 | 70 / 80（平均 75，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
RoboFoundry 凍結基座模型只進化系統，GPT-5.5 具身成功率升至 72.7%
新加坡南洋理工大學、北航、新加坡國立大學、上海交大等團隊提出 RoboFoundry，把機器人智慧體的整套外圍系統當作策略來進化，基座模型引數保持凍結。在 EmbodiedBench 上，GPT-5.5 的平均成功率從 56.9% 提升到 72.7%，五個基座模型全部提升，基座間最大差距由 19.6 個百分點縮小到約 11.5。長程記憶基準 RoboMemArena 上任務成功率比所有基線至少高 39.0%，真機套娃任務成功率 70%，單獨使用 π0.5 為 30%。
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%。
MirroS 發布 AgentGarten：程式碼建世界加 30fps 神經渲染，智慧體數輪學會捉迷藏
MirroS 團隊發布 AgentGarten，把可執行程式碼環境與即時神經渲染器接成閉環：物理規則由程式碼裁定，畫面由模型以 480p、30fps 以上流式逐塊生成，智慧體因此能邊行動邊看結果。重做的捉迷藏實驗中，躲藏者第 4 輪學會搬擋板搭掩體、搜尋者第 10 輪學會借坡道翻牆，而 OpenAI 2019 年的自我博弈強化學習分別用了約 2500 萬局和 1 億局。智慧體靠每輪復盤寫下文字「實驗手冊」傳給下一輪，另在陪伴小狗、狹橋會車、合作牧羊、採石場裝載機四個任務中各跑四輪；程式碼已在 GitHub 開源。
為什麼 coding agent 依然很笨：模型在進步，agent 卻拖後腿
一位開發者認為 AI 程式設計的瓶頸是 agent 而不是模型：模型生成程式碼的能力持續提升，agent 卻停在原地。他區分了模型（GPT Astra、Claude Sonnet、GLM-5.3）與 agent（Claude Code、Codex），並列舉四類問題：OpenCode 把約 1.5k 行的改動拆成 10 個子任務卻逐個序列執行；agent 不會按任務難度切換更便宜或更強的模型；Claude Code 說不清自身功能，只能聯網搜尋；Plan 模式產出的計劃零散、難讀。
魔法原子 EchoPolicy-0 登頂 MolmoSpaces 具身榜單
在 AI2 發起的 MolmoSpaces 零樣本具身評測 Combined 榜單上，魔法原子 VLM Agent 框架 EchoPolicy-0 以 75.4% 的機器人操作平均成功率拿下全球第一，覆蓋全部 4 個 v1 任務，共 3915 局全量評測。同一分組下，自研具身 Agent 框架 MagicBrain 以 3.4B 引數位列全球第四，抓取成功率 94.4%，Pick-v1 與 Pick & Place-v1 兩項任務均為全球第一。