Mahjax是一个用JAX实现的全向量化日本麻将环境，可在GPU上实现大规模并行模拟，在八块A100 GPU上分别达到每秒200万步（无红宝牌规则）和100万步（有红宝牌规则）的吞吐量，并验证了从零开始训练智能体的有效性。

根据经典谈判理论，人们在谈判中的成功取决于平衡共情与自信、关心他人与关心自我、对人温和与对事强硬等竞争需求。然而，人们往往难以管理这些张力，导致研究人员无法在受控条件下严格检验这些理论。AI智能体没有这些限制，其精准性、多样性、一致性和可扩展性使得新型实验成为可能。本文引入“个性工程”方法论，利用AI智能体精确参数化、操纵和评估谈判者个性，并提议使用人际环状模型（温暖与支配两个核心维度）作为基础坐标系。该方法既为检验经典谈判理论提供了严格方法论，也为设计AI谈判智能体的个性提供了实用指南。

本文介绍了AgentAtlas框架，该框架通过四个组成部分来评估LLM智能体：六状态控制决策分类法、九类轨迹失败分类法、分类法感知与盲法比较方法以及基准覆盖审计。实验表明，移除显式标签菜单后，所有模型的轨迹准确率下降14-40个百分点，落在0.54-0.62的狭窄区间，且没有模型在所有指标上获胜。

arXiv论文提出“开放世界评估”，用长周期、真实杂乱任务和小样本定性分析来补充传统基准测试，并介绍CRUX项目及AI智能体成功发布iOS应用到App Store的案例。

研究者提出ECUAS_n系列指标，以恰当评分规则统一评估同时输出预测和不确定性分数的系统，克服了现有分离评估方法的不足。

该论文研究如何为逻辑语句构建更有效的数值嵌入，用于训练神经网络对逻辑推理器的选择进行排序，从而加快答案搜索。作者基于triplet loss提出三项改进：更易产生重复项的锚点生成、难度均衡的正负样本构造，以及训练中周期性强调最难样本，并在多个知识库上比较不同嵌入对推理任务的适配性。

AgentCo-op是一种新型检索驱动合成框架，通过类型化工件传递组合可复用技能、工具和外部智能体，并在执行失败时进行局部修复。在空间转录组学和单细胞多组学等开放世界基因组学案例中，它无需重新设计即可协调独立开发的智能体和工具库，在六个基准测试中四个取得最优结果，并持续降低任务成本。

论文提出OSCToM，通过强化学习、扩展领域特定语言和组合代理模型生成观察者与自我信念冲突的嵌套信念场景，以评测大语言模型的高阶心智理论能力。OSCToM-8B在信息不对称的FANToM基准上达到76%准确率，远超ExploreToM报告的0.2%，且数据合成效率提升6倍。

COSMO-Agent是一个工具增强的强化学习框架，训练LLM完成从CAD生成到CAE求解、结果解析和几何修改的闭环流程，通过多约束奖励提升可行性、工具链鲁棒性和输出有效性，在25类组件数据集上超越大型开源和闭源模型。

大型语言模型在动态真实环境中面临概念漂移和高成本梯度适配的瓶颈。本文提出SOLAR，一种自我优化的终身自主推理器，通过参数级元学习和多级强化学习实现持续适应，无需人工标注。SOLAR维护演化知识库平衡可塑性与稳定性，在常识、数学、医疗、编程、社会和逻辑推理任务上超越强基线，标志着迈向终身自适应智能体的重要一步。

EvoScene-VLA 提出一种持久化的场景状态，在分块视觉-语言-动作策略的控制调用之间携带并更新场景几何信息，从而在 RoboTwin 基准和真实机器人上提升成功率。

该论文针对线性软套筒执行器（LSSA）建立了准静态力模型，并通过受控伸长与静载实验验证其力输出行为，揭示了压力、几何、位移、负载与轴向刚度之间的耦合关系。

本文研究异构多团队系统中通过动态机器人分配实现的协作问题，将机器人视为可转移资源，并借鉴生态学中的汉密尔顿法则作为利他决策机制。作者提出了一个考虑异构能力、转移成本和能力贡献的多团队资源分配框架，证明该组合优化问题为NP难，进而设计了一种基于图神经网络的策略，在集中训练与分散执行下近似利他分配。模型在团队交互图上运行，预测机器人级别的转移决策和下一轮机器人到团队的分配。在灭火场景中的仿真与实验表明，学习到的策略在扩展到更大系统时仍能接近最优性能。

该论文提出一种面向未知环境的多机器人自适应覆盖策略，利用环境模型的实时反馈在线更新目标信息分布，从而改进传统遍历搜索在缺少先验分布时的覆盖效率与资源分配。

研究者提出PGDG，一种零样本数据生成框架，可将单次人类演示扩展为紧凑、物理合理且多样的恢复行为数据集，无需额外标注。在四项双臂操作任务中，PGDG在仿真和零样本真实迁移中均优于仅空间增强；RotateBox-Pitch成功率从38%提升至93%（仿真）和从35%提升至82%（真实），并将GR00T基础模型微调成功率从46%提高到77%。

该论文研究了微重力环境中多肢机器人的抓取动态运动，提出了参数化运动规划框架，并通过模拟评估了步态模式、步长、速度和姿态等设计参数的影响。结果表明，扩大接触反力空间和抑制脉冲式全身动力学可提升运动性能。

研究人员提出一种闭环仿真到现实的强化学习方法，用于在表面上控制微纤维的形状。该方法在简化的无摩擦仿真器中训练策略，并利用部署时的实时视觉反馈迭代纠正未建模的表面相互作用。策略在40 Hz的双夹持器微操作系统中直接迁移，无需重新训练或域适应。在24种初始配置下，平均点状形状误差为270±80微米；在9个样品（三种直径和三种长度组合）上实现亚毫米最终形状误差。

Guitouni 与 Becker 提出一种分布式多重覆盖算法，让无人机集群在仅依赖局部感知和局部通信、没有全局协调的情况下，仍能对重要目标维持多机器人冗余观测，并在出现故障时继续执行任务。该论文已被 ANTS 2026 接收。

该论文提出一种基于虚拟现实的共享控制框架，让操作员通过VR界面实时引导无人机团队在未知和受限环境中导航，结合运动基元规划器和导纳控制器，支持混合现实操作，实验表明可提升避障能力、保持队形间距并降低操作员负担。

BEiTScore是一种基于轻量级交叉编码器的无参考图像描述评估指标，从视觉问答模型初始化，结合对抗性LLM数据增强，在保持高效性的同时实现了最先进的性能。

AVI-HT是一种自适应融合视觉与惯性测量单元（IMU）的方法，通过联合建模自我中心图像和手套上的6自由度IMU信号来跟踪3D手部姿态。该方法在严重视觉遮挡的手物交互场景中显著提高了准确性和可用性。

MRecover是一种条件生成模型，通过将常规采集的T1w图像合成为T2w TSE图像，并采用自回归切片条件保证体积一致性，从而恢复受运动伪影破坏的MRI数据。在7T数据训练后，模型在域内达到SSIM=0.84、FSIM=0.94的保真度，并泛化到3T数据，子域体积相关系数r=0.87-0.97。在ADNI3数据集中，经过质量控制后可分析受试者增加31.8%（593 vs 450），并提高了海马亚区萎缩诊断组间差异的效应量。

该论文提出一种模拟超声医师认知流程的框架：先引入结构化的“缩放再诊断”范式，让模型像人一样主动放大病灶区域再作答；再在GRPO强化学习框架内加入基于随机分组采样的一致性奖励，用来估计模型置信度。在肝脏、乳腺和甲状腺数据集上，病灶定位提升39.3%，说明模型学会了先细看再诊断。

本文提出“消融验证”诊断原则及其具体实现——标记替换测试（TRT），用于检验视觉语言模型（VLM）是否真正利用连续潜在标记进行推理。实验表明，即使标记内容被破坏或替换，VLM仍保留大部分性能提升，准确率提升并不能证明模型使用了这些标记进行推理。

UniVL提出一种统一视觉语言嵌入方法，通过将文本指令渲染到空间掩码上，消除对独立文本编码器的需求，实现高效、可控的图像生成。在UniVL-ImgGen基准上，FID从14降至11，PSNR从16升至20，推理TFLOPs减少52%，运行时间减少44%。

GenEvolve 提出一种自进化图像生成框架，将生成过程建模为工具编排轨迹，并利用多轨迹比较蒸馏出结构化视觉经验，以密集 token 级监督提升学生模型在搜索、知识激活、参考选择和提示构建上的能力。

PhysX-Omni 是一个统一的仿真就绪物理3D生成框架，能够处理刚体、可变形体和关节体等多种资产类型，并提出了新的几何表示、数据集 PhysXVerse 和基准 PhysX-Bench，在生成和理解任务上表现强劲，有望推动具身AI和物理仿真的发展。

JAMtime.ai 是一款创新工具，让音乐人用自然语言描述想要的音色，AI自动生成可编辑的DSP图谱，并支持在浏览器、DAW（免费VST/AU插件）及未来物理效果器上实时运行。它由资深开发者Jeff Ward打造，完全可编辑、可分享、可派生。

智谱AI发布GLM-5.1-highspeed高速API，速度达400 tokens/s，成为顶流模型中最快。实测显示其代码生成如喷射，可实时交互调参、改变游戏世界、快速处理万字内容。背后是推理引擎、调度系统和基础设施的系统工程优化，推动AI Agent进入快时代。

MovieFlow Studio整合剧本解析、分镜、生成、剪辑、资产管理和协作于一体，实现80集短剧3天完成，Token消耗降低70%，推动AI影视工业化。