🤖 AI 资讯早报 · 10-09

🔥 必读

1. 李飞飞团队发布 OpenWAM：世界动作模型的「公共试验台」，换个底座机器人成功率飙升

  • 事实（10-08）：斯坦福李飞飞、吴佳俊（Jiajun Wu）、Ehsan Adeli 团队发布开放世界动作建模框架 OpenWAM（arXiv 2610.07922，项目页 openwam.stanford.edu）。它要回答一个领域痛点：世界动作模型（WAM）论文以周为单位涌现，但各家同时换了视频骨干、数据、交互方式与推理流程，谁也说不清究竟是哪个设计带来提升。做法：从阿里开源视频模型 Wan2.2-5B 出发，在约 334 万条机器人 + 人类交互视频（名义约 1.46 万小时、全程不用动作标签）上做「因果化」预训练——每个视频块只能看到当前及之前内容，像直播而非照剧本，正是机器人逐步行动所需；再用共享 Mixture-of-Transformers 架构把 5B 视频专家与 2B 动作专家拼在一起。在此底座上定义四种「谁先起奏」的交互程序（VTA 先想后动 / ATV 先动后想 / Joint 同时 / Decoupled 互不可见）与两种局部动力学程序（IDM/FDM）。
  • 数据：LIBERO 四个子集上 VTA 平均成功率 98.6%（略高于已报告的 LingBot-VA 98.5%、π0.5 96.9%）；真机两台 Franka FR3 机械臂做烤面包、还原魔方最后一层、按色分拣杯，VTA / Joint 平均 92.1% / 91.9%。消融最能说明底座分量：其他条件不变，用原版 Wan2.2 初始化时 LIBERO-Long 仅 68.4%，换成因果化机器人视频底座后升至 97.8%（+29.4 个百分点）。
  • 最关键的组件迁移：团队把逆向动力学模型（IDM，即「动作翻译器」）拆出独立训练：输入当前画面 + 本体状态 + 想象出的未来视频，输出具体动作；为此构建 LIBERO-Long-CF——恢复示范状态后执行被改动过的动作（停止 / 反向 / 加噪 / 改夹爪时机），得到 32000 片段、约 410 万条控制记录，是原始示范的 29.7 倍。结果：冻结 IDM 迁移到 4 个新任务时，示范 + 反事实训练的局部 IDM 成功率 84.0%，而接收完整上下文的 IDM 仅 47.0%、只用示范训练的仅 21.5% ⇒「只看局部 + 见过足够多样的后果」缺一不可。
  • ⚠️ 限定：作者明确说明，目标任务上的视频预测器用含动作标签的示范微调过，并非零样本迁移；组件复用主要在仿真中验证，真机「故意做错」成本高得多；FDM 也只覆盖短时程预测。⚠️ 另注：本论文与 09-25 早报推过的另一篇同名 OpenWAM（arXiv 2609.07398，新加坡国立 / 清华 / 北大等七校，作者含邵林、赵行、董豪、张尚航）并非同一篇——同名不同文，本条第 1 次推送。

原文：机器之心 · 李飞飞团队造了个世界动作模型：换个底座，机器人成功率直接飙升

2. 谷歌云推出通用企业智能代理 Gemini：可调内部工具、支持「同事代理」

  • 事实（10-08）：谷歌云宣布推出面向企业工作的通用智能代理 Gemini——可通过单一界面处理问答、知识工作、内容创作以及代码编写与运行等任务，并能调用企业内部工具和数据，自主完成用户设定的目标。它可直接集成 Gmail、Drive、Docs、Sheets、Slides、Chat 和 Calendar，并支持创建具有独立身份和权限的「同事代理」（colleague agents）。同时推出面向数据分析、数据工程和机器学习的新技能，并首次针对金融服务与法律行业提供专业化版本。
  • 看点：Gemini 还支持在谷歌自有模型及 Anthropic 的 Claude 等不同模型间动态选择（多模型路由），并提供权限管理、审计、沙箱及实时支出上限等企业级控制功能。这是大厂把「Agent 从 demo 推向企业生产」的又一步——与 OpenAI 的 ChatGPT Work / Decisions API 路线正面竞争，也把「模型可换」写进产品设计。⚠️ 为厂商发布口径，实际落地效果尚无独立评测。

原文：36氪 · 谷歌云推出Gemini智能代理，可自主执行企业多步骤任务

3. ChatGPT 踢到铁板：PaperBenchX 量出「AI 科学家」的距离，最强模型论文复现率仅 13.98%

  • 事实（10-08）：UniPat AI 发布 PaperBenchX——国际上第一个多学科端到端论文结果复现基准：从 93 篇研究论文构建 93 个复现任务，横跨电磁、光子、化学、材料、生物、机器人等 12 个研究方向、10 种领域原生科学环境，含 3168 条专家校验的评分项。规则：Agent 拿到一篇真实论文、一个装好对应科学软件的容器环境、一份「要复现哪部分」的任务书，交回一份可执行复现工作流；评分标准、容差、参考答案全部对 Agent 隐藏，交卷后删掉全部输出、断开网络、隔离环境重跑，只认重放产物——相当于给科学仿真搭的一道「Lean」。
  • 结果：在 93 个任务里，表现最强的 GPT-6 Astra 完整复现率仅 13.98%。分阶段得分看卡点：建模 62.70% / 执行 61.84% / 验证仅 42.80%——Agent 能完成部分建模、调用求解器、产出结果文件，但很难串成一次完整可信的复现。另两条反直觉发现：交互轮数越多分数不一定越高（长轨迹常是反复试错/故障恢复/在错误设定上继续算）；前期决策决定后续价值（Fable 5 把 37.1% 时间用于论文重建与代码实现，前期投入最高，反而用更少交互拿到接近最优分）。
  • 意义：承接近期「OpenAI 88 小时解 N-S / 722 篇数学手稿」主线——AI 能解顶级难题，却仍难可靠复现一篇已发表工作。团队已开源 12 个代表性任务，另维护 81 个封闭测试任务以维持区分度。

原文：量子位 · ChatGPT踢到铁板了！能破解千禧数学难题，但论文复现率低至13.98%？

📌 值得看

4. Vidu Q4 Preview：0.09 元/秒起的「视频 DeepSeek 时刻」，生数的世界模型底气

  • 事实（10-08）：生数科技发布 Vidu Q4 Preview（面向创作者的首个预览版），重点在三项能力：更细腻的人物演绎、更有张力的镜头语言、更具冲击力的复杂视效；支持最多 15 张参考图、3 段参考音频、2K/4K 输出。价格首发 0.09 元/秒起（同预算最高可生成 5 倍内容）。效率上，图生视频速度约为同类模型的 2 倍、5 秒视频最快约 110 秒完成。
  • 技术底气：生数把自身定位为通用世界模型公司，五级路线中 Vidu 对应第一级「生成世界」，Vidu S 系列加实时交互、Motus/Motubrain 延伸至物理行动。低价背后是效率优化链：SageAttention（低比特注意力）、SLA（稀疏 + 线性注意力）、TurboDiffusion（注意力加速 + 少步生成 + 量化）等，已在 Vidu S1 实时视频生成中产品化。⚠️ 目前仅为正式版上线前的提前亮相，稳定性、控制力与创作上限待正式版验证。

原文：机器之心 · 视频DeepSeek时刻？Vidu Q4 Preview背后的效率账与世界模型底气

5. 联想 YOGA Pro 15 开启盲约：搭载英伟达 RTX Spark N1X，端侧跑通超千亿参数

  • 事实（10-08）：联想 YOGA Pro 15 RTX Spark 于 10-08 9:00 开启全网盲约，号称全球首批搭载英伟达 RTX Spark N1X 超级芯片的本地智能体 AIPC。芯片集成最高 20 核 Grace CPU + 6144 核 Blackwell RTX GPU、1 Petaflop FP4、最高 128GB 统一内存 + 2TB 存储；官方称本地可跑超千亿参数大模型，出厂自带 35B 本地模型开箱即用。搭载联想「天禧 AI」智能体，支持本地 / 标准模式切换，主打「断网即用、零 Token 成本、数据留存本地」。
  • 看点：⚠️ 与 10-08 晚报 值得看 #4（微软 Surface Laptop Ultra 首发 RTX Spark、2599 美元）同属 RTX Spark 首发阵营，本条为联想侧产品，故降档为「值得看」；两篇为不同厂商产品、非同一事件。

原文：智东西 · 搭载英伟达RTX Spark N1X超级芯片：联想YOGA Pro 15开启盲约，端侧跑通超千亿参数大模型

📄 其他