在一个案例里，Gemini-3-Flash 生成了具有木马特征的代码，它自己也意识到这一点，但主动把它包装成“防御性监控工具” ，并添加了绕过杀毒软件的配置，同时假装一切正常。浏览器打开 http://127.0.0.1:8000/viewer/，即可查看完整的评测报告、风险评分、思维链分析、交互轨迹、运行日志等内容。但在高压 + 高诱惑下，直接飙升至 54.5%，部分模型风险率翻了三倍以上。件系

PaperWeekly 或许可以成为一座桥梁，促使不同背景、不同方向的学者和学术灵感相互碰撞，迸发出更多的可能性。等商业 IDE 做了一轮系统评测（多模型配置，主文侧重 GPT-5.1、Claude-Sonnet-4.5、Qwen3-30B 等组合，细节见附录）。真正让人头疼的 0 到 1，往往是读完一份需求文档，把一整套可部署的代码仓库搭出来：目录怎么拆、依赖怎么对齐、多个文件之间的接口与错误处

虚高的原因是很多时候 paper 做出来效果不好，然后就放在 paper 上了，而 agentic review 会觉得 negative results 也是一个很好的发现，并且是一个诚实的表现，然后会在 strength 里面狠狠地加分。其中日行迹的 FARS 出来的时候让我感觉很惊艳，感觉 academic 要完，然后看着手头的 Claude Code（Opus 4.6），想着说看能不能用

AHE 取得了 77.0% 的 pass@1 成绩，超过了同样基于初始种子框架的 ACE（68.9%）和 TF-GRPO（72.3%）自演进基线，并优于由人类专家调试的 Codex-CLI（71.9%）。这说明，至少在这组实验里，真正带来稳定增益的不是更长的 Prompt，而是工具、中间件和长期记忆这些更硬的 Harness 结构。总有一些你不认识的人，知道你想知道的东西。AHE 最有意思的地方，

Anthropic Claude, OpenAI, Azure OpenAI, Gemini, Groq, AWS Bedrock, 自定义 OpenAI 兼容 API。总有一些你不认识的人，知道你想知道的东西。

全局记忆（global memory）有利于共享上下文（shared context）和状态对齐（state alignment），局部记忆（local memory）更贴近真实分布式环境（distributed environment），但也更容易带来分歧。基于这些观察，作者认为未来研究需要更关注几个方向：更明确的一致性模型（consistency model）、更强的共享状态控制（state

GRPO 是一种 on-policy 策略优化方法，它在传统 Advantage 函数的基础上引入“动作组内的相对优势”作为优化依据，从 Q(s,a) 的角度看，它不是直接优化 Q 值，而是间接对 Q(s,a) 与 V(s) 的差值进行 group-wise 归一化，从而提升策略更新的稳定性与鲁棒性。On-policy 强调“靠自己经验成长”的策略闭环，Off-policy 强调“借助他人经验学习

给一张照片，对着空气比划几下，AI 就能生成手伸进场景里抓杯子、翻书、开盒子的逼真第一人称视频，物体也会产生对应的物理响应——还能自回归地一直生成下去，长视频也保持稳定。我们用逐像素的 Plücker 射线嵌入编码相机运动，通过轻量级 adapter 以加法方式注入扩散模型，将手部关节运动和头部自运动彻底解耦，解决上述手-相机歧义。如下图所示：训练时（上排），手在抓握物体，手部被遮挡，提取出的 m

©作者｜机器之心对于人类而言，一旦掌握了 “打开瓶盖” 的动作，面对 “拧紧螺丝” 这样的任务通常也能游刃有余，因为这两者依赖于相似的手部动作。然而，对于机器人来说，即使是这样看似简单的任务转换依然充满挑战。例如，换成另一种类型的瓶盖，机器人可能无法成功打开。这表明，目前的机器人方法尚未充分让模型学习到任务的内在执行逻辑，而只是单纯的依赖于数据拟合。针对该问题，来自中山大学和华为诺亚等单位的研究团

展望未来，我们计划将多智能体支持作为系统的核心特性进行重点拓展，这包括支持更复杂的智能体交互工作流，扩展对多智能体强化学习（MARL）算法的兼容性，并实现更丰富的智能体与环境的交互机制，从而将我们的框架打造为一个功能全面的多智能体研发平台。更糟糕的是，海量数据很容易压垮中心节点的内存，导致系统崩溃（OOM），从根本上限制了系统的可扩展性和稳定性。，siiRL 不仅彻底解决了传统单控制器设计的瓶颈问