Tev 通过“先构建潜世界、再渲染任务环境”的数据构造方式，把长程任务的进度转化为可验证的稠密奖励，并用进度势能奖励塑形（PPRS）训练出 Tev-27B，在 Agents' Last Exam 计算与数学科学域达到与 GPT-6 Astra、Claude Opus 5 相当的 Pass@5 表现。
值得关注：长程自主能力是自动发现与 RSI 的前提，而开源模型在此长期落后；Tev 同时给出数据构造与训练配方两条路径。 “潜世界优先”把任务的正确性验证前置到规范层，再渲染为环境，为长程任务的自动化策展与可验证性提供了一种可扩…
这篇论文提出一种可扩展的在线熵正则最优传输（OT）近似方法，使流匹配训练能在每次迭代中使用更大的源-目标配对批量，并声称从理论上证明了相较于独立随机配对可降低全随机梯度方差与积分误差；具体结论与实验细节待核实。
值得关注：流匹配已成为生成建模的重要范式之一，训练稳定性与积分误差直接影响生成质量与可扩展性。 该工作把“配对策略”从经验技巧推进到对全随机梯度方差与积分误差的理论刻画，可能为后续大规模训练配方提供依据。 与既有相关卡片的关系：…
RoboSimStudio（RSS）是一个交互式工具包，用于机器人操作任务的 Real2Sim 快速转换，其核心思路是把求解器、接触模型和物理参数的选择显式化、可编辑化，让人和编码智能体可以基于观察到的物理行为迭代优化仿真——但具体实现细节与实验结果**待核实**。
值得关注：机器人操作中的接触物理（接触力学、耦合接触动力学、形变、刚度、摩擦）是仿真与现实差距的主要来源之一；把这些建模选择显式化、可编辑化，是把 Real2Sim 从“一次性建模”变为“可迭代工程流程”的一种思路。 同时面向人…
RepProbe 是一个用于诊断视频语言模型“重复动作计数”能力的基准，初步证据显示模型能在表示层保留计数信息，却在输出层无法可靠报告正确次数；由于未抓取到正文，具体数值与实验细节待核实。
值得关注：与“HumanCLAW：视觉语言模型能否通过身体行动？”同属对视频/具身语言模型能力边界的诊断，但 RepProbe 聚焦时间计数这一更细粒度的能力。 与 SPEARBench 类似，RepProbe 也属于“模型在常…
一项发表于 Nature Communications 的研究报告了一个由深度强化学习引导的定制化机器人平台，通过“不对称催化数字孪生”先训练控制策略再迁移到实验室，在 30 天内自主完成 3000 余次决策，发现 4 个高对映选择性转化，展示了深度强化学习引导的自主性在复杂催化体系发现中的潜力。
值得关注：将深度强化学习从“优化已知反应”推进到“探索未知立体化学结果的不对称反应空间”，弥补了多数自主化学平台缺乏手性支持与序贯决策能力的空白。 “数字孪生训练 + 实验室迁移”的范式为高成本、高维度的不对称催化筛选提供了可复…
Scenario-Actor 是一个从 Transformer 隐藏状态中推断交际场景几何结构、据此选择采样温度的解码框架，旨在替代固定或启发式的全局温度设定；其具体方法细节与完整实验证据待核实。
值得关注：温度是 LLM 解码中最常用却最少被“情境化”的超参数之一。若温度能由可解释的场景几何表示驱动，可能为“同一模型在不同交际情境下自动切换生成风格”提供一条轻量路径，并减少人工调参。与既有卡片中偏重压缩、可解释性验证与编…
PlayGround 是一个渐进式布局生成框架，通过“渐进规划器—布局生成器—视觉验证器”构成的设计闭环，让高层布局规划随已渲染画布的演进而动态调整，而非在执行前一次性固定。
值得关注：与既有卡片中偏重视频/图像生成可控性的工作（如 PhysStream 的生成中途交互控制、MV-Forcing 的长多视角一致性）不同，本条聚焦的是静态平面设计中“可编辑布局”的规划适应性：把规划从一次性前置决策改为基…
Plan-Bench 是一个隔离动作执行、专门考察视觉语言模型（VLMs）在具身场景下高层推理与多步规划能力的基准；对 28 个 VLM 的评测显示即使最强模型准确率也仅 75.0%，表明这类能力仍有明显提升空间。
值得关注：具身 AI 中，若把 VLM 当作高层规划器，其可靠性直接决定系统能否把感知转化为可执行的多步决策；Plan-Bench 把“执行”从评测中剥离，有助于单独定位推理与规划这一环的短板。 与同类的 Agent/推理基准（…
PixelMoE 表明标准 LLM 式 MoE（Token-Choice 路由、细粒度专家、共享专家、偏置负载均衡）可直接迁移到像素空间扩散，在激活参数量相当的条件下持续优于稠密基线，并在 ImageNet-1K 上取得 FID 1.47（256×256）与 1.53（512×512）。
值得关注：对“像素空间扩散能否高效扩展”这一开放问题给出了肯定证据：把 LLM 领域成熟的 MoE 稀疏扩展范式迁移过来即可，无需为扩散专门设计路由。 与既有脉络的关系：已有卡片《像素空间文生图扩散模型训练的实证研究》关注的是*…
OmniCompass 是一个同时覆盖视觉-语言与音频-视觉两条评测轨道、并联合考察时间定位、空间定位与问答能力的全模态视频理解基准；据其摘要，当前开源模型在多模态视频理解上仍落后于闭源模型，音频-视觉理解与精确时空定位尤其困难。待核实：以上均基于摘要，正文未抓取。
值得关注：评测维度上，OmniCompass 把“何时/何处/什么”三类问题与“视觉-语言/音频-视觉”两条轨道交叉，指向对全模态视频理解的系统性诊断，而非单一任务打分。 配对评测设置（同一目标的纯文本 vs 文本+图像指定）提…
MFG 是一个基于强化学习的框架，通过训练 LLM 利用前几轮的反馈向量逐步优化分子，在十个多目标分子优化任务上，将相似度约束下的平均成功率从基线的 70.81% 提升至 81.50%。
值得关注：把“多轮反馈”从提示层面的使用，推进到**通过 RL 显式训练模型利用反馈**，弥补了现有 LLM 方法未被显式训练利用反馈的缺口。 明确区分单轮与多轮优化，指向一个此前较少被系统处理的方向。 反馈向量同时纳入“改进”…
LoopWAM 是一种闭环 world-action 模型，能直接从部署过程中产生的混合质量回放（成功、次优、失败）中学习，通过多轮部署-训练迭代持续提升通用机器人策略，而无需依赖额外的具身预训练。
值得关注：提出了一条不依赖更多专家演示、而是利用部署经验（包括失败）来持续改进机器人策略的路径。 将世界模型与策略学习通过闭环部署-训练循环紧密结合，为通用机器人策略的“从部署中学习”提供了可操作范式。 对既有“从开环到闭环”和…
LIBERO-RIG 是一个只在机器人硬件与设置层面施加扰动、保持 LIBERO 任务本身不变的鲁棒性基准，用于测量视觉-语言-动作（VLA）模型在相机安装、标定、控制频率、夹爪磨损等部署偏差下的成功率下降。
值得关注：既有 VLA 评测多关注任务多样性、视觉泛化或对抗攻击，而 LIBERO-RIG 把变量锁定在“机器人自身”的硬件与设置偏差上，提供了一个与视觉扰动正交的评测维度。 对与既有脉络的关系：与本批已有卡片中的 UniTex…
该工作提出一种神经推断架构，试图在化学反应网络（CRN）的模拟式贝叶斯推断中，同时完成竞争反应路径的模型判别与反应速率常数的后验估计；但当前仅能基于元数据概述，正文细节待核实。
值得关注：化学动力学建模中，“选哪个机理模型”与“参数是多少”通常被分开处理或依赖专家经验；该工作尝试用共享表示联合解决，属于 foundation-model 思路向科学计算/化学推断的延伸。 相比 ABC 类方法对人工摘要统…
Game2Real-Bench 通过共享推理需求（而非视觉相似性）对齐程序生成的游戏样本与真实世界样本，发现视觉语言模型的游戏表现与真实世界视觉推理表现高度一致（Pearson/Spearman 相关系数达 0.935），但游戏示例的迁移效果因能力类型而异：约束推理提升，细粒度感知下降。
值得关注：现有 VLM 视觉推理评测要么依赖真实数据（难以可控生成与验证），要么依赖程序游戏（是否代表真实能力存疑）。本工作首次系统检验两者的一致性，给出量化证据。 揭示“游戏到真实世界”迁移并非单向增益：约束推理受益，细粒度感…
该论文提出了 KLQ 与 KLPQ 两种算法，首次证明了在表格型有限视界 KL 正则化 MDP 中，采用增量随机逼近更新的离线 Q-Learning 也能达到 $\widetilde{O}(1/\epsilon)$ 的快速样本复杂度。
值得关注：离线强化学习中，Q-Learning 类增量式算法能否取得与基于悲观原则的方法相媲美的快速率，是一个开放问题；该工作给出了肯定回答。 说明 KL 正则化本身即可（在 KLQ 中）带来快速率，而不必依赖显式悲观；同时指出…
该研究提出两种方法，能够生成持久性图（PD）与目标描述符**完全一致**的图，而不再依赖软正则化带来的近似匹配。
值得关注：现有拓扑感知生成模型依赖软正则化，导致 PD 仅近似相似，缺乏严格拓扑合规的保证。本文首次将严格拓扑合规的图生成作为原则性问题加以处理，提供了精确实现目标持久性图的理论保证和可求解的算法框架，为拓扑约束下的图生成提供了新范式。
EgoExplorer 是一个基于可穿戴系统的 100 小时“视觉-运动-触觉”观测数据集，通过 Calibrate-Complete-Constrain 流水线，在稀疏身体传感条件下重建全身运动、手指关节活动与触觉信息，用于从人类演示中学习人形机器人移动-操作（loco-manipulation）。
值得关注：为从人类演示学习人形机器人移动-操作提供了更完整的多模态数据基础（视频+运动+触觉+手指关节+步骤描述）。 轻量可穿戴采集系统有利于在多样环境中规模化采集数据。 Calibrate-Complete-Constrain…
DuplexBridge 让统一模型用自身的理解能力去增强自身的生成能力（无需外部理解模块），通过“源接地的桥接”明确编辑目标、终态变化与保留约束，并借助互信检查机制选择性引入全局反馈，在多个基准上显著提升图像编辑的完全合规率。
值得关注：图像编辑失败的归因困难是长期痛点。DuplexBridge 的思路把“理解”和“生成”当作两个需要各自独立监督、又可选择性共享全局信号的角色，而不是笼统地端到端优化。这与既有统一生成/编辑方向（如颜色控制、3D 理解生…