游戏引擎是假的，真机器人反而学得更好？Agent 拿「假物理」当裁判，D4RL 分数涨 48%

从GPT-5.6 Sol每秒750个token、提速14倍看大模型速度的数学：吞吐量、延迟与排队论

稀疏激活的数学账：从124B激活5.1B到GLM-5.3单任务输出5万token看大模型单位成本

从Qwen3-27B开源两天下载破百万、衍生模型超15万看开源大模型的扩散建模：SIR与网络效应

59 个作者 + 37,000 小时数据塞进同一颗具身大脑：GigaBrain-0.7 让机器人「看懂、预测、动手」三件事不再分家

215⭐ 当日最高论文：让机器人「先点屏幕再走路」，TAMP-Nav 9 步到终点，零样本真机跑通

Hugging Face 每日论文（2026-08-23 精选） 把一个会做菜的机器人教会做一道新菜，传统做法需要「人坐在机器人面前，手把手演示几十遍到几百遍」。如果按一家工厂有 20 种工序、每种要 50 次演示来算，单是采集数据就要 1000 次遥操作——按一次演示 3 分钟、人均工资折算下来，单个工厂的数据成本就能砸进六位数。这还没算数据清洗、标注、训练的时间。

Hugging Face 每日论文（2026-08-23 精选） 想象这样一个画面：你让一台家务机器人去厨房「做一杯奶茶」。如果它只会一条指令一条指令地执行，会出现两个离谱的问题——要么它开始抓杯子的时候才发现没有水，要么它按预设路径去开冰箱却把旁边一摞碗碰翻。绝大多数家庭机器人演示在第 4 步之前就翻车，正是因为它们「想到什么就做什么」。

从 300+ 家企业、2000+ 件展品看 2026 世界机器人大会的产业全貌

从OpenAI ChatGPT青少年版的"学习模式+家长控制"看内容分级与敏感话题识别建模