搜索
Adobe Research与UCLA提出Tev，构建含1170个环境、覆盖7个领域的Tev-Gym并提出进度势能奖励塑形（PPRS），训练出的Tev-27B在ALE-CM的Pass@5达0.28，与GPT-6 Astra、Claude Opus 5持平。
港科广新基准UI2App以600张静态截图评测模型推断并实现应用交互的能力，Gemini 3.1 Pro Preview以73.2分获视觉还原第一，但Claude Sonnet 4.6以36.8分居交互推断首位，跨页面状态仍是参评模型共同难点。
至知创新研究院公开IQuest-Q1完整技术报告，披露其采用320B总参数、15B激活参数的稀疏MoE架构，以29T Tokens和超100万个可执行任务训练，并通过三层机制防止奖励作弊，架构规模化效率达1.93倍。
Bo Liu课题组在NeurIPS 2026论文中发现，多Agent通信并非信息越充分越好，Qwen3-Next-80B-A3B向Qwen3.5-9B发送消息使ContextBench准确率提高14.2个百分点，却令ToolSandbox下降23.6个百分点，并提出无需重训模型的按需通信策略。
在2026宇树科技合作伙伴生态大会上，宸境科技（DeepMirror）展示钢铁行业物理AI全栈方案，以宇树四足机器狗结合Insight系列空间智能相机、NavCore空间智能大脑和任务管理平台实现自主巡检，方案已落地湘潭钢铁、晋南钢铁等钢企。
阿里千问联合俄亥俄州立大学提出TRACE，以Rollout侧FP4量化结果引导训练侧舍入，在四个Qwen MoE模型上保持接近BF16的性能，并使128K输出解码吞吐最高提升5.4倍。
EchoChat将共情语音对话拆分为感知、心智理论推理和回复生成，并通过Acoustic-Anchored Attention与Step-Decomposed Credit Assignment统一优化，在三项评测中取得领先表现。
Google Deepmind让4个Gemini 4 Argon Agent在随机《我的世界》地图中自主协作27小时，累计阵亡605次、耗费约520美元后击败末影龙，展示其长程任务中的分工、纠错与恢复能力。
弗吉尼亚理工大学与Meta团队提出ReGDiff，通过RAS整理潜空间并用SRR短程排斥引导扩散采样，在MetaTruss和MetaShell上较最强基线平均提升几何合理性8.9%、新颖性46.4%和多样性128.6%。
田渊栋参与创立的Recursive_SI发布首个模型Flint-40B-A2B，该模型由Eureka Machine全程参与、不到4个月从零打造，专注本地硬件智能体编程，并以400亿总参数、每Token激活25亿参数实现高速运行。