量子位AI 評分43
智元發布世界-動作模型 GE-Act 2.0，陌生場景成功率提升約 2.6 倍
智元發布世界-動作模型 GE-Act 2.0，把「預測未來」與「生成動作」整合進同一模型，訓練資料從 300 小時擴充套件到 3 萬小時。在陌生場景、陌生物體上不做額外訓練直接測試，其中一款機器人總體成功率從 17.1% 提升至 44.1%，陌生場景成功率提升約 2.6 倍；在 RTX 5090 上生成一個連續動作塊約需 104 毫秒。
搜尋
依意思最接近的 30 筆
機器之心● 精選AI 評分72
META-Robot 提出動作級謂詞，讓機器人技能與判斷標準一起成長
香港科技大學與澳門大學團隊提出 META-Robot，讓機器人在任務中同時改進操作技能、反饋獲取方式與判斷標準，並用動作級謂詞把失敗追溯到具體動作。在 LIBERO-Pro 模擬 Spatial-Task 設定下，採用 GPT-6 Astra 的 META-Robot 成功率為 95.8%，比 ASPIRE 的 60.0% 高 35.8 個百分點，移除動作級謂詞後降至 76.0%。
機器之心● 精選AI 評分72
清華提出 ActionOPD：按動作語義線上蒸餾 Agent，無需教師 Token 機率
清華大學提出 ActionOPD，把 Agent 蒸餾從逐 Token 模仿改為在學生實際訪問狀態下對齊教師的語義動作。它只需師生各自取樣文字、判斷動作是否語義等價，無需教師 log-prob 或同源 Tokenizer，因而支援黑盒和跨家族蒸餾。在 τ²-bench 上用 Qwen3-32B 蒸餾 Qwen3-4B，pass¹ 較 Base 提升 10.8 個百分點，pass⁴ 接近翻倍，但略遜於直接約束 Token 分佈的基線；
Hacker News front pageAI 評分46
Jev 發布 33 天即退燒，折射 AI 行業炒作與創新匱乏
Jev 發布 33 天后熱度迅速消退，這篇評論借它批評 AI 行業靠營銷話術製造期待。文章指出 Jev 本質是通用分類器，宣稱不會幻覺、更快更便宜，但輸出仍會出錯，且已有開放權重模型在部分任務上價效比更高，並可在本地執行。作者還稱其非自迴歸決策模型思路早於 Jev 一年半出現，並由此質疑行業四年來的創新增量。
Hacker News front pageAI 評分37
新工具追蹤 AI 領袖影片言論，Amodei 累計 54 條
有人做了一款工具，追蹤 AI 行業領袖在影片中的公開表態，並展示他們觀點隨時間的變化。目前收錄了 Dario Amodei（累計 54 條）、Alex Karp（51 條）、Marc Andreessen（49 條）、Sam Altman（45 條）、Palmer Luckey（40 條）、Satya Nadella（23 條）、Elon Musk（21 條）、Yann LeCun（6 條）等人，頁面同時標註本週新增條數，例如 Alexandr Wang 本週有 5 條。
機器之心AI 評分63
Google 等提出 StreamVibe，讓影片 Agent 讀懂使用者動態意圖
Google 等研究團隊提出 StreamVibe，讓影片智慧體在持續觀察中主動判斷何時、如何介入。團隊建置 StreamVibe-Bench，包含 4,100 個評測樣本、20,546 個幫助點與 183.4 小時影片，覆蓋顯式、隱式與動態三類意圖。訓練用自適應流式監督微調加區域性軌跡強化學習，執行時由 StreamVibe-Harness 維護意圖、任務進度與分層記憶；
機器之心● 精選AI 評分69
拓元智慧開源原生 4D 世界動作模型 E0.5，真機成功率超π0.5
拓元智慧開源原生 4D 世界動作模型 E0.5，在 AgileX Piper 雙臂與 Zerith H1 人形真機上整體平均成功率分別為 85.0% 和 88.3%，比π0.5 分別高出 13.3 和 26.7 個百分點。模型以三維基礎模型為骨幹，把未來幾何預測直接融入動作學習，並用超 16 萬條真實機器人軌跡做具身預訓練；H1 的分佈內成功率達 100%，分佈外為 76.7%（π0.5 僅 46.7%）。論文、專案主頁與開原始碼均已公開。
X @GoogleDeepMindAI 評分32
@GoogleDeepMind: @Apptronik By turning video into a training ground for physical AI, Argon compresses weeks of manua…
Google DeepMind 官方帳號提到，Apptronik 的 Argon 能把影片變成物理 AI 的訓練場，將原本需要數週的人工建模壓縮到幾個小時。這條推文以回覆 @Apptronik 的形式發出，正文只有這一句說明和一個 goo.gle 短連結，沒有披露涉及的機器人平台、影片資料規模或可用範圍。資訊發布於 2026 年 10 月 13 日。
OpenAI NewsAI 評分30
Pollo AI 發布 Pollo Agent，用 GPT-6 Astra 生成影片廣告
Pollo AI 推出影片創作 Agent，呼叫 OpenAI 的 GPT-5.6、GPT-6 Astra 與 GPT-Image-2.5 完成從創意到成片的全流程。系統用 GPT-5.6 做任務路由，GPT-6 Astra 負責敘事與分鏡等複雜推理，影像統一交給 GPT-Image-2.5，官方稱使用者挑選或切換模型的時間減少 50% 以上。平台已有超 2600 萬使用者，30% 的創作會話從模板開始；
量子位● 精選AI 評分78
清華系星動紀元 VPP2 登頂 RoboDojo 模擬榜單
星動紀元自研世界動作模型 VPP2 登頂 RoboDojo 模擬榜單，平均成功率 32.26%、平均得分 39.26 分雙第一，高於 GPT-6-Astra 的 22.48% 和 28.97 分，泛化、精細操作、記憶三項同樣居首。真機 ALOHA 雙臂零樣本 10 類任務平均成功率 58.5%，9 類最佳，高於π0.5 的 40%。該模型未使用額外資料或 Agent RSI 等增強手段，靠三階段訓練解耦影片預測與動作學習，程式碼與專案主頁已開源。
Hacker News front pageAI 評分52
Armature 上線 agent.reviews，讓 AI agent 互評工具
Armature（YC P26）上線 agent.reviews，定位為面向 AI agent 的工具評價站，通過 skills 和 npm CLI（@armature-tech/agent-reviews）接入其 API，Claude Code、Codex、Cursor 等 agent 可在選工具前查評價、用完後提交評價。為防止洩露，評價發布前要過三層檢查：確定性規則過濾金鑰、PII 與 URL，Jev 分類器，以及一個小模型複核。
The Verge AIAI 評分47
Capcom 稱正為與 AI 共同開發遊戲的未來做準備
在 Capcom Open Conference RE: 2026 上，程式設計師 Satoshi Ishida 以「REX 專案的前景與未來」為題演講，稱制作《生化危機》級別遊戲時連簡單任務都極其耗時，解決方案是把 AI 技術成功整合進開發流程。他表示為「與 AI 共同創造遊戲的未來」做準備。Capcom 此前曾稱不會使用 AI。
Hacker News front pageAI 評分51
phpClaw 發布：給 PHP 的 AI agent 執行時，內建 ReAct 迴圈與安全護欄
phpClaw 發布，為 PHP 提供開箱即用的 AI agent 執行時，核心零框架依賴，composer 安裝加一個 API Key 就能跑起 ReAct 迴圈（預設迭代上限 20 輪）。它內建 Shell、HTTP、檔案讀寫、資料庫查詢、程式碼搜尋等工具，記憶驅動可替換，支援 Pipeline 與 Graph 多 agent 編排，並從環境變數自動識別 Anthropic、OpenAI、Gemini、Ollama 等 7 家提供商。
TechCrunch AI● 精選AI 評分80
Vercel：Jev 上線兩週被 35% 付費團隊採用，創最快紀錄
Vercel 資料顯示，TypeSafe AI 的輕量決策模型 Jev 上線兩週內被 35% 付費團隊使用，覆蓋面接近第二名 Sonnet 5.5 的兩倍，是 Vercel 平台上普及最快的模型。Jev 於 9 月 15 日限量發布，通過限定候選輸出降低推理成本、提升速度，適合大批次資料分類，Vercel 已用它替換 GPT-6 Luna 做有害命令分類。
機器之心● 精選AI 評分79
Agent 安全守衛做成可進化 Skill，攻擊成功率降至 0.078
被 NeurIPS 2026 錄用的 Defense-as-Skill 論文提出把 Agent 執行時安全守衛做成一個可進化的 Skill：名為 SkillSonar 的守衛在敏感操作執行前按任務邊界給出 Allow、Replan、Require Confirm 三級裁決，經 9 輪 MCTS 迭代，惡意攻擊成功率從 0.300 降到 0.078。配套資料集 SCOPE-R 含 206 個惡意例項與 43 個良性任務，其中能力管控與隱私資料流兩族不參與訓練；
機器之心AI 評分58
Aether AI 發布因果驅動機器人系統 CRIS-0
Aether AI 發布因果驅動的機器人智慧系統 CRIS-0，演示中面對人類突然移走咖啡袋、燈光干擾、往盤裡放飲料罐、關門時伸手等干擾均能即時調整，反應速度達 0.1s 級。它把機器人智慧分成兩層：因果驅動機器人 Agent 負責任務拆解、階段驗證與失敗恢復，因果世界模型預測動作帶來的物理變化。相比端到端模型，它在抗干擾、模糊指令和長程任務上更穩；團隊稱該路線還可延伸到生物製藥、新材料研發，更底層的 Causation Transformer 仍在驗證。
Google Developers blog● 精選AI 評分66
開源 agent-eval 工具包發布，把 AI agent 評估從憑感覺變成可重複流程
一份面向 AI agent 的評估方法與開源工具 agent-eval 發布，主張用可重複的評估流程替代憑感覺看輸出。方法以關鍵使用者旅程（CUJ）定義成功標準，每個條件都對應一個評估點，先用模擬使用者 LLM 生成正常與邊緣場景，再在單元測試、確定性指標、LLM-as-a-judge 評分與整合測試四層做檢查。
Hacker News front pageAI 評分48
作者主張 AI 開發的事實來源是文字意圖而非程式碼，並提出 ISA 文件
博主 AIL 與開發者 Matt Pocock 就 spec driven development 展開爭論，他認為 AI 專案的事實來源應是寫作所表達的意圖，而非程式碼；在他看來，程式碼只是執行與表示，寫作才是最接近人腦想法的載體。他提出 Ideal State Artifact（ISA）文件，用散文式的理想狀態、約束與決策記錄，加上可原子化測試的 Ideal State Criteria（ISC）及各自的 eval 來承載需求。
量子位● 精選AI 評分68
Aether AI 公布 CRIS-0：0.2 秒急停、秒級重規劃
因果智慧公司 Aether AI 公布機器人系統 CRIS-0 的官方 Demo，靠提取物理因果變數而非端到端擬合驅動機械臂。在咖啡製作測試中遭遇人為移位與光照突變，系統平均 2 秒內完成重規劃，10 次隨機擾動有 9 次有效恢復；客廳長程整理可連續執行數十步，20 條模糊指令完成 18 次精準抓放，危險變數出現時 0.2 秒急停。
量子位AI 評分60
前華為小藝大模型負責人唐都鈺創業，押注主動式物理 AI
前華為小藝多模態大模型研發負責人唐都鈺創辦觀行數智，主攻讓機器自主判斷何時介入的「主動式物理 AI」。團隊採用雙模型協同架構 ProAgent：輕量模型 StreamingJev 持續讀取環境事件流、判斷是否需要介入，Response Model 再決定回應方式與呼叫裝置，並自建評測體系 ProactiveXBench。
Hacker News front page● 精選AI 評分80
500B token 反編譯遊戲：AI agent 編排的經驗與教訓
作者花 3 個月、約 500B token 讓 AI agent 把一款第一人稱射擊遊戲反編譯成 C++，最終程式碼可讀但語義錯誤。專案同時使用 Claude Max（20x）與 Codex Pro 訂閱，agent 跑在 Claude Code CLI 與 Codex CLI 裡，主力是 Sonnet 5，也用過 Opus 5.5、Luna、Sol、Terra；
量子位● 精選AI 評分82
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%；
Hacker News front pageAI 評分63
Veda 發布：把 AI agent 做進系統層、全棧 Rust 自研的作業系統
Veda 是一個把 AI agent 做進系統層的作業系統，從 UEFI 引導、微核心、驅動到視窗系統與應用全部用 Rust 從零編寫，目前支援 x86-64 PC 與 QEMU。agent 作為系統服務隨開機啟動，可用語音、點選工作列圓環或 Super+Space 喚醒，通過 agentapp 協議原生呼叫應用提供的 70 多個動作，不需要讀屏或模擬點選。
機器之心● 精選AI 評分78
8B 智慧體自主呼叫工具做影片生成，VABench 從 56.5 升到 86.1
VideoGen-Agent 用 Qwen3-VL-8B-Instruct 做基座，在多輪互動中呼叫檢索、生成與驗證工具，先以 16K 教師軌跡監督微調，再用 8K 提示做多工強化學習。在 600 條提示的 VABench 上，Toolset 1 配置得 75.6 分，比基礎生成器 56.5 分高出 19.1 分；智慧體策略不變、僅升級生成工具後達 86.1 分，人類評估中 84.3% 的判斷偏好該配置。
機器之心● 精選AI 評分67
UIUC、Google 等聯合綜述：主動性是超級智慧體關鍵能力
UIUC、Google、斯坦福、UC Berkeley、CMU 的聯合綜述提出，主動性是邁向超級智慧體的關鍵能力，並給出由六項能力構成的 6A 框架。綜述覆蓋編碼、具身機器人、醫療等 13 個應用領域，專案網頁收錄 1400 餘條引用，並對 80 項代表性工作做對照分析。它區分智慧水平、對齊、主動性與自主程度，提出任務、機制、使用者三層評測，主張把“任務發現”納入測評標準。
Hacker News front pageAI 評分42
開發者復盤 vibecoding：上手刺激但缺少手寫程式碼的成就感
一位開發者撰文稱，AI 輔助程式設計（vibecoding）只把樂趣前置：能快速做出可用原型，但重構和維護階段不再有趣，也缺少手寫程式碼帶來的成就感。他把建造的樂趣分為六種，認為 vibecoding 只能滿足「想到點子」「把點子變成現實」和「解決自己的問題」三類，攻堅後的成就感、作品完成的滿足感與學習樂趣都不會自然產生。他仍用 AI 做出了一些手工做不出來的東西，包括即時野火預警系統、Kobo 資料庫遷移助手和即時音準訓練應用，但表示過程不像自己寫小指令碼那樣好玩。
機器之心● 精選AI 評分78
李飛飛團隊開源 OpenWAM 世界動作模型框架
斯坦福李飛飛、吳佳俊等團隊發布開源世界動作模型框架 OpenWAM，用共享底座加可切換的互動方式，回答 WAM 裡究竟是哪個設計帶來提升。框架基於阿里 Wan2.2-5B，先在約 334 萬條、約 1.46 萬小時機器人影片上做因果化預訓練，再用 MoT 拼起 5B 影片專家與 2B 動作專家，支援四種先想或先動的互動程式。因果底座把 LIBERO-Long 成功率從 68.4% 拉到 97.8%，配反事實資料的區域性 IDM 遷移到新任務平均達 84.0%。
X @AnthropicAI● 精選AI 評分79
@AnthropicAI: New on our Frontier Red Team blog: using Claude to formally verify software at large scale.
Anthropic 前沿紅隊部落格發布研究：與 Theorem Labs 合作，用 Claude 在數週內為一百多個真實開源庫證明安全屬性。形式化驗證過去只能用於小規模程式碼庫或需大量專家時間，AI 模型正讓大規模驗證變得可行。完整研究已在其部落格發布。
Hugging Face blog● 精選AI 評分75
微軟與 Hugging Face 發布 ThinkingBox，按資料庫狀態給 AI agent 打分
微軟聯合 Hugging Face 推出 ThinkingBox 基準，通過 Hugging Face 提供，不看 agent 的回覆文字和工具呼叫，只檢查它留在後端資料庫裡的最終狀態與副作用，每個任務重複跑 20 次。在 507 個有狀態業務流程、12 個模型、121,680 次有效試驗中，79,853 次未通過可執行檢查，其中 67.24% 仍乾淨收尾且無工具報錯。
OpenAI News● 精選AI 評分75
OpenAI 封禁俄伊兩個 AI 假媒體影響力行動，俄方達 Category 5
OpenAI 宣布封禁來自俄羅斯和伊朗的各一個隱蔽影響力行動，它們把其模型與傳統手段結合，經營「假媒體」實體來洗白地緣政治資訊。伊朗方面運營 7 個「記者」人設，向全球中小媒體投遞長文；俄方在拉美借不知情者開設「智庫」，並偽造洩露檔案與音訊指令碼，兩者還大量用 AI 起草內部報告以誇大成效。按 IO Breakout Scale 評估，俄方行動達到第 5 級，是 OpenAI 開始披露以來搗毀的首個第 5 級行動，伊朗行動為第 4 級。