搜索
为了解决当前AI Agent存在的这些问题，面壁智能联合东北大学-面壁智能数据智能联合实验室、清华大学THUNLP实验室、OpenBMB与AI9Stars，正式开源了数字员工全流程构建与管理平台——StaffDeck。
WAIC 前夕，星尘智能（Astribot）新模型 Lumo-2，直接在官网甩出 20 + 真机视频 ——这背后，是星尘智能发布的第二代具身基座模型，也是业内首个面向家庭场景的隐式世界 - 动作模型（Latent World-Action Model），同步发的，还智能体 Agent Philia。
千寻智能的展台上，则来了两位画风完全不同的主角：一位是通体黑灰、看起来不苟言笑的 Moz1，埋头干活；另一位是首次公开亮相的 Moz2，奶杏色机身配上粉色小围脖「OOTD」，忙着向观众打招呼、举手比心，靠卖萌吸引了不少镜头。
RoboScience机器科学直接把世博馆展台，变成了 Visics 的压力测试场。换本体、换物品、换任务，多轮挑战轮番上阵，专挑具身大模型最容易掉链子的地方下手。Visics 的泛化能力究竟行不行？现场观众可以直接点题，围观验货。
7 月 14 日，Anthropic 正式发布 Claude for Teachers，面向美国 K12 教师免费开放高级功能，支持备课、课程设计、学习分析等教学场景。而在此之前，OpenAI 已经推出 ChatGPT for Teachers，同样聚焦教师教学支持，并计划向美国 K12 学区开放。
阿里巴巴达摩院的最新工作RynnWorld-Teleop对此给出的方案是：用生成式世界模型替代真实机器人。操作员的手势驱动一个实时视频生成器，由“数字世界中的机器人”完成全部视觉演示，同时自动获得关节级的动作标签。该方案被称为数字遥操作（Digital Teleoperation）。
最近，来自 Google、哥本哈根大学、牛津大学等机构的研究者提出了 VGGRPO（Visual Geometry GRPO，收录于 ECCV 2026）。这项工作聚焦于一个核心问题：如何在不牺牲预训练模型泛化能力的前提下，高效地提升视频生成的几何一致性，并使其适用于动态场景。其核心思路是，在隐空间（latent space）中利用 4D 几何奖励，进行几何感知的视频后训练。
最近，一篇名为 FreeStyle: Free Control of Style-Content Dual-Reference Generation from Community LoRA Mining 的工作引起了不少关注。换句话说，FreeStyle 研究的是 style-content dual-reference generation，也就是「内容 - 风格双参考生成」。
曾推出 RoboTwin 系列基准的团队发布了 RoboDojo，一套统一覆盖仿真与真实机器人操作的具身智能评测体系。它包含 42 个仿真任务、18 个真实机器人任务，并将 30 个代表性机器人策略放到同一套标准下比较。
这一次，我就挑选了其中比较有代表性的三款：QClaw、WorkBuddy 和百度搭子，通过几组真实办公任务进行横向测试，看看国产办公 Agent 现在到底发展到了什么水平。横测标准：同一任务、同一素材、同一交付标准，每个任务只给一次主要执行机会。