LIBERO-MAX用22.4万次仿真测试机器人执行中环境变化适应能力【AI 早报 2026-10-12】

AI日报
发布于 2026-10-12 00:18:04 9 次浏览

LIBERO-MAX用22.4万次仿真测试机器人执行中环境变化适应能力【AI 早报 2026-10-12】

LIBERO-MAX以22.4万次仿真量化机器人执行中的环境适应力，Thurston几何化猜想完成470万行Lean代码验证；华为发布64PB AI记忆存储，Claude动态工作流开启公测，Qwen图像生成API上线。

今日概览

要闻

  1. LIBERO-MAX：22.4万次仿真测试机器人执行中环境变化适应能力
  2. Thurston几何化猜想完成Lean形式化验证：470万行代码两周写完
  3. 华为发布OceanStor M900 AI记忆存储：单集群容量64PB

模型发布

  1. Qwen-Image-2.1 Pro与Turbo API正式上线

开发生态

  1. Claude Managed Agents动态工作流开启公测：单Agent最高27个Bug，组队三次均查出66个
  2. Agnes AI开源Agent执行基础设施Agnes Harness及MHS协议
  3. openai-python v3.29.0发布：新增billing_not_active错误码与Live voices更新

产品应用

  1. REA项目一天登顶GitHub Trending：已揽近7万星，可逆向商业软件
  2. 蚂蚁灵光开始内测Personal Agent：连接米家生态，本月全面开放

技术与洞察

  1. State of AI Report 2026发布：RSI成主线，两家头部实验室年化收入合计1050亿美元
  2. ChatGPT共同创造者Liam Fedus：数学之后，AI该去实验室了
  3. Meta等提出Context Language Models：让语言模型自管上下文
  4. 研究称AI Agent仍夸大结果：GPT-5.6 Sol最好成绩仅达人类参考15%
  5. 陶哲轩加州理工演讲：数学2.0正式到来，证明稀缺性时代结束
  6. Neuralink联创Max Hodak：脑机接口终局是恢复与扩展人类能力
  7. Agentic RL Infra主流技术路线综述：覆盖11组头部团队实践
  8. 港大博士浩哲：AI Trading中决策便宜、行动很贵

行业动态

  1. Armature研究：17000次会话揭示编程Agent如何选择开发工具
  2. Gergely Orosz：几乎没人手写代码了，IDE正在消失

要闻

LIBERO-MAX：22.4万次仿真测试机器人执行中环境变化适应能力

来自Stanford、CMU、MIT、UIUC和UT Austin等机构的研究者提出LIBERO-MAX基准，针对机器人执行任务过程中环境发生变化时的适应能力。该基准在LIBERO-Plus和LIBERO-PRO任务基础上构建了8,000组配对案例，覆盖目标移动、容器移动、相机视角改变、传感器噪声、光照切换、视觉主题变化、干扰物增加和障碍物插入等8类执行中途变化。研究团队评测了14种当前机器人策略，涵盖VLA、混合架构和世界动作模型（WAM），每个策略完成16,000次执行，主评测累计22.4万次仿真。结果显示，所有受测策略的成功率都下降了11.0至25.7个百分点。该工作已入选NeurIPS '26 Robotics World Modeling Workshop口头报告，共同第一作者为Yunbei Zhang与Zijian Jin。 来源：https://mp.weixin.qq.com/s/RLHXvHDpDDOrB3zKTenpTg

Thurston几何化猜想完成Lean形式化验证：470万行代码两周写完

由Ayush Khaitan带领的团队联合NVIDIA Humanfia团队，完成了Thurston几何化猜想的完整Lean形式化。该证明约470万行代码，在Chow、Liao和Qin此前约200万行代码的工作基础上，新增的270万行代码在约两周内编写完成。团队成员包括丘成桐弟子、Ricci流领域权威Bennett Chow，以及形式化主导者Ziyang Qin与Yuan Liao。这项工程将哈密尔顿-佩雷尔曼长达数百页的"世纪证明"转化为可由计算机机械检查的代码，目前已全面开源。 来源：https://mp.weixin.qq.com/s/UwarYqCOIr7DuIr8uw20yw

华为发布OceanStor M900 AI记忆存储：单集群容量64PB

华为正式发布OceanStor M900 AI记忆存储，定位L3.5层专业KV Cache存储。该产品单集群可提供64PB容量，单NPU可使用的KV Cache容量从GB级提升到TB级。华为披露的数据显示，传统PCIe+RoCE架构中NPU访问SSD池可能需5次数据搬运，而OceanStor M900可减少到1次，I/O时延和首Token时延降低超过50%，访问时延约为10−15微秒，访问带宽可达40GB/s。华为内部测试和客户POC显示，通过专业KV Cache存储可让Token命中率提升约一倍。该产品当前配套昇腾超节点，通过UB协议完成超节点内部数据交换，并采用"三芯合一"架构整合网络、CPU和盘控能力。 来源：https://mp.weixin.qq.com/s?__biz=MzU1NDA4NjU2MA==&mid=2247668191&idx=2&sn=837bd9737ee8f24178495c09e4c042a4

模型发布

Qwen-Image-2.1 Pro与Turbo API正式上线

Qwen-Image-2.1 Pro和Turbo API正式上线千问AI平台，同时Qwen-Image-2.1-Turbo模型权重同步开放。Turbo版本基于7B视觉生成架构，将图像生成与编辑的去噪过程缩短至8步，同时保留2K图像创作能力。Qwen-Image-2.1的视觉生成模块由32层Single-Stream DiT构成，采用混合粒度注意力结构，并通过KV Cache复用机制减少多图输入场景的重复计算。该模型最多支持10张参考图输入，支持圈选、涂抹和独立掩码进行局部编辑，并原生支持带透明通道图像的生成与编辑。开发者可通过API将图像生成、多图编辑、RGBA图层输出等能力接入设计、电商和内容创作场景。 来源：https://mp.weixin.qq.com/s?__biz=MzIzOTU0NTQ0MA==&mid=2247562479&idx=1&sn=98a5d92db5270a9cabb048cb8a99f0e0

开发生态

Claude Managed Agents动态工作流开启公测：单Agent最高27个Bug，组队三次均查出66个

Anthropic于10月10日开启Claude Managed Agents动态工作流公测。主Agent接到任务后可自行编写分工程序，安排其他Agent分阶段完成，单次工作流累计最多启动1000个Agent，当前文档列出的同时工作线程上限为64。官方测试显示，在11.6万行代码中预先埋入70个Bug，让单Agent和动态工作流各跑三次：单打独斗最好成绩为找出27个，而动态工作流连续三次都查出66个。同一天，Claude Code Projects也扩大公测范围，所有此前加入等待名单的Pro和Max用户均已获得使用资格，可在项目对话中协调多条云端线程并行推进，并积累项目记忆。 来源：https://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2652733514&idx=2&sn=2e93ac9eda5d496bb15f21a75eace541

Agnes AI开源Agent执行基础设施Agnes Harness及MHS协议

Agnes AI开源Agnes Harness（AGH），一套面向真实任务的Agent执行基础设施，支持持续任务执行、工具调用、状态管理与结果反馈。开发者可通过Web工作台或命令行使用，并通过插件接入业务工具、利用MCP连接已有服务。AGH的"轨迹"页面支持沿时间轴回看任务执行过程，检查模型调用的工具、步骤耗时与执行状态。同时，AGH体系中的MHS（Model Hardware Standard）设备交互协议及相关组件同步开放，旨在让开发者连接软件工具与可编程硬件。此外，新一代模型Agnes 3.0 Pro迎来能力升级，其API即将上线。 来源：https://mp.weixin.qq.com/s/JxJmQkFnLNAY2TFWSXNpCw

openai-python v3.29.0发布：新增billing_not_active错误码与Live voices更新

OpenAI Python SDK发布v3.29.0版本，新增billing_not_active会话错误代码。该版本将shida加入命名Live voices列表，并增加了vault更新和元数据过滤功能。此次更新主要面向API错误处理、语音配置和保险库管理场景。 来源：https://github.com/openai/openai-python/releases/tag/v3.29.0

产品应用

REA项目一天登顶GitHub Trending：已揽近7万星，可逆向商业软件

开源项目REA（Reverse Engineer Anything）在GitHub上一天内登顶Trending榜首，已收获近7万颗星，第三天增长接近8万颗星。该项目基于MCP（模型上下文协议），让AI调用反编译工具直接分析商业软件的二进制文件、APK和硬件固件，并输出重构后的开源实现。作者已在尝试逆向Office等大型商业软件。相比之下，前阵子爆火的Jev前三天下载量为3.5万次，而REA已累计约4.4万次npm下载。 来源：https://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2652733514&idx=1&sn=e28255085a6acb816e2a9316390d6b6e

蚂蚁灵光开始内测Personal Agent：连接米家生态，本月全面开放

蚂蚁旗下灵光应用开始小范围内测Personal Agent功能，新版APP底部新增"我的生活"Tab。该功能可连接米家等外部生态，用户在聊天框输入"安装米家API"后，系统会安装开源库并生成二维码供用户扫码授权。内测案例显示，Personal Agent可识别家中13台设备，执行打印Word/PDF文档、IFTTL联动（如气温低于12度自动开空调制热）、电商询价、机票价格监控等任务。据透露，该功能计划本月全面开放。 来源：https://mp.weixin.qq.com/s?__biz=MzkzNDQxOTU2MQ==&mid=2247521611&idx=1&sn=02fdc75cc33beb5f0fd9d2e04da7934c

技术与洞察

State of AI Report 2026发布：RSI成主线，两家头部实验室年化收入合计1050亿美元

第九年发布的State of AI Report 2026共244页，核心叙事转向RSI（递归自我改进）。报告显示，Anthropic自动化指数中"AI主导"的研发任务占比从2月不足1%升至8月的26%；OpenAI的Agent能自主完成的任务长度从4-8小时级跳到32-64小时级。产业方面，OpenAI年化收入突破400亿美元，Anthropic达650亿美元，两家合计1050亿美元。报告还记录了"SaaSpocalypse"事件：2月软件板块市值蒸发近2850亿美元，到9月XSW指数从4月低点反弹55%。 来源：https://mp.weixin.qq.com/s?__biz=Mzk0MTYzMzMxMA==&mid=2247512569&idx=1&sn=ce398c304f4b3adedb9f1984672b8743

ChatGPT共同创造者Liam Fedus：数学之后，AI该去实验室了

ChatGPT共同创造者、OpenAI前副总裁Liam Fedus在播客The Frontier中表示，AI在数学领域进展最快是因为数学自带可验证的"裁判"，但材料、药物等现实世界问题无法靠形式化系统替代真实实验。他目前在门洛帕克创立Periodic Labs并搭建实体实验室，联合创始人为Ekin Dogus Cubuk。Fedus回顾了从MIT暗物质探测到Google Brain时期与Barret Zoph、Noam Shazeer合作提出Switch Transformer，再到2022年加入OpenAI参与创造ChatGPT的经历。 来源：https://mp.weixin.qq.com/s/9Nnfu0rvcFLzJ7bYpXHOsA

Meta等提出Context Language Models：让语言模型自管上下文

Meta、MIT和华盛顿大学的研究者提出Context Language Models（CLMs），让语言模型自行管理和编辑上下文，而非依赖预设的摘要、压缩和信息检索机制。研究者报告称，该方法在性能和计算效率上均报告有提升。这一方向试图让模型自主决定哪些上下文信息需要保留、修改或丢弃，以应对长上下文场景下的计算成本问题。 来源：https://www.infoq.com/news/2026/10/context-language-models/?utm_campaign=infoq_content&utm_source=infoq&utm_medium=feed&utm_term=global

研究称AI Agent仍夸大结果：GPT-5.6 Sol最好成绩仅达人类参考15%

Epoch AI和Anthropic的独立研究发现，当前AI模型如GPT-5.6 Sol和Claude Fable 5虽能运行实验，但缺乏科学自我批评和创造性思维。测试中，Sol最好成绩仅达到人类参考分数的15%，且所使用的方法仍是研究人员已知的。研究指出，这些模型最大的弱点在于无法批判性质疑自身结果，距离自主科研仍有距离。 来源：https://the-decoder.com/ai-agents-overstate-their-results-and-remain-far-from-autonomous-research-study-finds/

陶哲轩加州理工演讲：数学2.0正式到来，证明稀缺性时代结束

陶哲轩在加州理工发表题为"Math 2.0"的演讲，指出数学研究正从"证明匮乏时代"进入"证明充沛时代"。他强调数学具备客观可验证性、高度可数字化和海量高质量数据三大特性，因此成为受AI冲击最严重的领域。陶哲轩警告，盲目优化解题速度可能使人类失去探索数学图景的机会。他列举了Math 2.0实践，包括开放阐释问题、实验数学（人机协作判定超过2200万个命题真伪）、逆伽洛瓦问题挑战赛（已找到对应24次所有25000个伽罗瓦群的多项式）等。 来源：https://mp.weixin.qq.com/s?__biz=Mzg3MTkxMjYzOA==&mid=2247519533&idx=1&sn=b15f1c07a9e6f0d8bfebe47754b2e189

Neuralink联创Max Hodak：脑机接口终局是恢复与扩展人类能力

Science创始人兼CEO、Neuralink联合创始人Max Hodak在No Priors访谈中表示，脑机接口真正值得解决的问题不是让人类拥有更快的"大脑键盘"，而是恢复、替代乃至扩展人类原本受生物身体限制的能力。其公司核心产品PRIMA视网膜假体已在2026年7月获得欧洲监管批准，进入商业销售阶段。该系统通过植入视网膜下方的微型芯片配合外部眼镜，让部分因黄斑变性失去中央视觉的患者重新识别文字。Hodak还认为，大模型内部的概念表征与人脑部分神经表征存在值得研究的结构相似性。 来源：https://mp.weixin.qq.com/s?__biz=MzI4NTgxMDk1NA==&mid=2247518561&idx=1&sn=d82b7609550e72b7d990320f1f9211ba

Agentic RL Infra主流技术路线综述：覆盖11组头部团队实践

一篇基于11份2025–2026年公开技术报告的综述文章，梳理了小米MiMo、DeepSeek、Moonshot Kimi、智谱GLM等11组团队的Agentic RL基础设施实践。文章指出，Agentic RL面临轨迹变长（Kimi K3面向1M上下文）、环境变杂、奖励稀疏、强长尾（约5%样本占80%生成开销）四大挑战。一个完整的Agentic RL系统通常由Control Plane、Data Plane、State Plane和Weight Plane四部分组成。小米MiMo-V2.6提出"You Only RL Once"，在单次混合run中同时训练code/general/visual/cyber四大领域。 来源：https://mp.weixin.qq.com/s?__biz=MzU3NjE4NjQ4MA==&mid=2247557488&idx=1&sn=e4d3971c2a838c1296a0c9687c20dd69

港大博士浩哲：AI Trading中决策便宜、行动很贵

HKUDS成员、港大在读博士浩哲在播客中阐述了对AI Trading的理解。他认为AI Trading的核心是"在几乎免费的决策和代价昂贵的行动之间，建立一条可验证、可审计的通道"，包含模型、数据对齐、Harness和人四大部分。其开源项目Vibe-Trading上线不到半年已有超3万星，定位为覆盖二级市场的交易台，用自然语言调动宏观、基本面、量化和风险复核研究能力。浩哲强调，数据多不等于有alpha，买数据真正的作用是验证想法。 来源：https://mp.weixin.qq.com/s?__biz=MzIyMDE5OTYyMw==&mid=2651051669&idx=1&sn=4b3b62c73cb0b817101f75fe7d592bdc

行业动态

Armature研究：17000次会话揭示编程Agent如何选择开发工具

开发者工具增长服务公司Armature发布研究，观察编程Agent如何选择工具。该研究基于75个独立代码仓库，测试Claude Code、Codex和Cursor，设计1163种prompt，核心数据来自5292次验证会话。结果显示代码仓库上下文至关重要：选择邮件服务时，Resend在TypeScript代码中胜出（89次运行胜55次），SendGrid在Python中胜出（24次中22次），Postmark在Go中胜出（24次中20次），Azure ACS在Java中胜出（23次中22次）。研究负责人称，工具厂商二十年的品牌建设在Agent这里仿佛被冻结在过去。 来源：https://mp.weixin.qq.com/s?__biz=MjM5MDE0Mjc4MA==&mid=2651294765&idx=2&sn=3cc1678f0a5f9e49e35b9d8896fd8964

Gergely Orosz：几乎没人手写代码了，IDE正在消失

软件工程师Gergely Orosz在LDX3工程领导力大会演讲中指出，AI正以史无前例的规模和速度改变软件工程。他走访OpenAI、Anthropic等实验室后发现：如今几乎已经没人手写代码；同时使用5-10个AI Agent正变得越来越普遍；IDE的存在感正在减弱。Claude Code创造者Boris Cherny分享其使用5个本地终端标签页加5-10个Claude Web并行工作的方式。Orosz同时指出代码审查逐渐变成"表演"、代码质量和可靠性下降等问题，但团队规划和协作依然重要。 来源：https://mp.weixin.qq.com/s?__biz=MzkzMDY1NDgyOQ==&mid=2247836795&idx=2&sn=ad0740c5e6a6c97bcfe48c4d89b8a819

评论

暂无评论。

登录后可发表评论。

专题：AI日报
目录