多位开发者实测发现，选择 Opus 5.5 时效果异常，怀疑 Claude 后台已将请求路由至尚未发布的模型；社区猜测涉及 Opus 5.6、Fable 5.5 或所谓“Claude Next”，但模型身份尚无确证。
值得关注：这是继匿名模型 Kivine 被猜测为 Kimi-K3 测试版、OpenAI 价格页泄露 gpt-rosalind-discovery 之后，又一起围绕“未发布模型意外曝光”的行业事件，说明静默测试/灰度路由正成为头部…
2026 年 10 月 13 日，Agility Robotics 与 Churchill Capital Corp XI（Nasdaq: CCXI）的合并注册声明（Form S-4）获 SEC 宣布生效，股东投票会定于 2026 年 11 月 2 日，合并预计 2026 年 11 月完成，合并后公司预计以代码 AGLT 在纳斯达克上市。
值得关注：若合并完成，Agility 预计成为唯一有已验证活跃商业部署的美国纯类人机器人上市公司，为公开市场提供类人机器人赛道的直接标的。 本卡片是对既有“Agility Robotics 通过合并上市”脉络的更新：从 2026…
千问团队提出在线强化学习框架 QwenGyre，通过弹性调度空闲 GPU 与轨迹树/轨迹预算机制，在超长程智能体任务上同时提升了训练效率与最终通过率。
值得关注：超长程智能体任务（数小时、百万级 token）是当前 agent 能力扩展的关键方向，但训练效率与任务中断是主要瓶颈。 QwenGyre 同时给出效率（1.78 倍加速）与效果（通过率提升）两个维度的量化结果，说明在线…
OpenClaw 发布 v2026.10.1，新增 `skills_search` 与 `skills_read`，使智能体能够按需检索并读取已安装的 Skills；同时支持兼容的 MCP Apps 在聊天区旁打开，并可将完整备份存至 Cloudflare R2。但 Reddit 与 GitHub 上出现关于频繁更新导致兼容性问题和升级失败的反馈。
值得关注：若智能体能主动检索并读取已装 Skills，则技能不再完全依赖预先注入或人工配置，可支持更动态的任务编排。 与既有的智能体视频技能（如 NVIDIA JetPack 7.2.1 的 `jetson-videosdk`）…
NVIDIA 通过 cuDF skills for Apache Spark 将 UDF 重写流程拆解为测试、转换、基准测试、优化四个由 AI 编码代理驱动的反馈循环，帮助企业在保持语义正确性的前提下把 Spark CPU UDF 迁移为 GPU 实现，某消费科技公司 30+ 生产 UDF 的案例中单个算子耗时从 274.55 小时降至 12.78 小时（…
值得关注：它把“AI 代理写代码”从通用编码辅助落到具体的高价值工程瓶颈（UDF 重写）上：用可执行测试与性能测量作为反馈闭环的判定依据，而不是让代理自由生成代码。 与既有“用 AI 代理为仿真准备 3D 场景”“用 AI 代理…
WorldRecon 是一个生成式多视图重建框架，能从无位姿 RGB 图像恢复完整、大规模的三维场景网格；它通过在 TRELLIS.2 上加入重建条件架构，并以重叠分块与邻域感知 latent inpainting 维持全局一致性，在合成与真实室内场景上取得 SOTA，并显示出较强的 sim-to-real 泛化能力。
值得关注：大规模三维场景的完整网格重建长期受限于观测稀疏与视角缺失。WorldRecon 的价值在于把“生成式补全”与“重建式几何约束”显式结合，并通过分块+上下文传播将单块生成扩展到整场景，从而同时追求几何忠实与表面完整。它也…
WorldOracle 是一个专门用于评估“行动条件世界模型”（Action-Conditioned World Models, ACWMs）的基准，其核心问法是：在给定相同初始观测和低层动作序列时，模型预测的 rollout 是否真实复现了现实世界中发生的物理后果与任务状态转移。
值得关注：世界模型若要作为机器人策略学习的模拟器或执行前监控器，其预测必须忠实于真实执行后果；WorldOracle 正是针对这一核心问题提供了系统化测评。 与“机器人世界模型真的会跟随动作吗？”（WorldEcho/World…
这篇论文提出 **Physical Recursive Self-Improvement (Physical RSI)** 概念，并给出 L0-L5 分级框架；但按其自身定义，现有文献尚未实现真正的物理递归自我改进，研究重点应转向可靠反馈、因果归因、安全保持与评测基准。**（以上基于摘要与元数据；正文未能抓取，具体论证与数据待核实。）**
值得关注：把“递归自我改进”从数字/软件环境推进到 **物理世界**，直面噪声、连续控制、试错成本与不可逆风险。 L0-L5 分级提供了一个可比较的坐标，便于判断某项工作究竟是能力提升、流程改进，还是可验证的递归增益。 与既有相…
在 VLA（视觉-语言-动作）预训练中，与其把“示范质量”当成一种静态权重，不如把它做成**可条件化的信息**：在 5,000 条天然次优人类示范与 24 个目标任务上，approach-aware 的 episode 级条件化平均优于朴素行为克隆；而条件化与过滤分别更偏好 episode 与 chunk 标签，且这种偏好会随模型不同而反转。
值得关注：VLA 预训练常被当作“越多越好”的数据堆叠问题，但真实人类示范天然带次优行为。本文的增量在于：**把质量从“筛选标准”提升为“训练时可条件化的变量”**，并给出可复现的受控比较框架（AXIS-Bench）。对做机器人…
mmVB 是一个轻量、即插即用的模块，通过跨图像上下文为每张图分配查询条件下的 token 预算，在不重训基础模型、不访问注意力矩阵的前提下，将视觉输入 token 减少 9 倍，并保留约 94.4% 的全分辨率准确率。
值得关注：多图推理是 MLLM 应用扩展的关键瓶颈之一，视觉 token 随图像数量线性增长会推高编码与注意力成本。mmVB 的增量价值在于：把“压缩”从单图的空间局部冗余问题，重述为跨图像的、查询条件的预算分配问题；同时避开两…
在可验证奖励强化学习（RLVR）中，简单的平方根学习率缩放并不能在多步训练中保持样本效率：更大的 rollout batch 会因曲率损失导致进度变慢，同时存在一个与 batch 无关的“失败时钟”，使模型在相近的样本消耗下崩溃。
值得关注：大 batch 训练常被视为提升吞吐、降低单位成本的手段，但本文指出在 RLVR 多步训练中，它可能同时带来“学得慢”和“准时崩溃”两个问题。双时钟框架把这两个现象统一到一个可预测的结构中，并给出可执行的 batch …
作者提出：地球观测（EO）模型的构建循环可以交给智能体——只要把任务表述为“harness + verifier”，通用编码智能体就能自行搭建并递归改进 EO 模型。**（以上为基于标题与摘要的概括；正文未能抓取，具体数据与结论待核实。）**
值得关注：若上述结论成立，其含义是 EO 领域的分工范式转变：**人类设计 harness 与 verifier，智能体构建模型**，从而“EO 模型随智能体一同进步”。 与既有脉络的关系：本卡片与“人类构建的最后一个AI：迈向…
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（…