🤖 AI 资讯早报 · 11-08

本期原生增量极少：八源中七源 item 级最新时间均落在 11-07 晚报（19:00）窗口内，仅极客公园/爱范儿各出一条同一事件（比亚迪仰望鼎曜首发）；36氪与机器之心接口在 11-07 17:46–18:11 后停更（多次重试 newest 不动）。为避免薄日报废，另从上期抓取但未推送的三条机器之心 AI 主线（合成电脑环境、GPT-6 Astra 机器人能力溯源、NeurIPS tool-call 数据合成）隔 1 期补入。

🔥 必读

1️⃣ WildAWM：合成「一整台电脑」来训练电脑智能体，Qwen3.6-35B-A3B 八个 OOD 榜单平均分 42.84→53.42

微软研究院、UNC-Chapel Hill、佐治亚理工与东北大学合作（arXiv 2610.26828）。思路与以往「逐个合成工具环境」不同：直接合成一整台个人电脑——有 shell、文件系统、浏览器与 email 等 MCP 服务，且 GUI / MCP / CLI 三种接口共享同一份状态，贴近真实 CUA（computer-use agent）可在任意界面操作的情形。

环境生成从虚构人物出发：先定职业、联系人、常去网站与手头在忙的几件事，排成逐日计划，再由 coding agent（GLM-5.2 + OpenCode）按天把计划落进数据库与文件；每天状态独立重放两次、结果完全一致才保留，另有 agent 核对数据与计划是否对得上。最终合成 36 个人物、640 个世界状态，最后一平均含 17 万余条数据库记录、约 50 个本地文件。任务为跨界面任务（XAI），每道题必须同时用到 GUI、MCP、CLI 三种接口；判分用轻量 verifier，与多 agent judge 多数投票的一致率 95%、Cohen’s κ 0.90。

训练：341 道题分 100 SFT / 208 RL / 33 验证，先用 GLM-5.2 的 100 条轨迹热启动，再跑最多 64 步 GRPO，训练 Qwen3.6-35B-A3B 与 Qwen3.5-4B。结果：35B-A3B 在 8 个训练时完全没见过的 OOD 榜单平均分 42.84→53.42（+10.58），其中 ClawEval +16.67、OSWorld-Verified +16.06、WebArena +13.72、CUA-Gym +12.22；WebArena 与 GLM-5.2 打平（67.26），Online-Mind2Web 反超 GPT-5.5（80.77 对 72.22）；4B 模型 21.83→30.04。在自有 33 道验证集上通过率 5.68%→35.98%，已接近 20 倍参数的 GLM-5.2（37.88%）。

⚠️ 两条限定作者自己写明：① 相邻两次工具调用之间切换接口的比例从 18.4% 升到 25.5%，长任务（40–120 步）SFT 多解 9.7 个百分点、加 RL 后 17.0 个百分点，但 RL 只在 easy/medium/hard 桶提升，teacher 模型也不会的 hardest 桶零提升 ⇒ 作者结论是 RL 只能激发与重排 base model 已有能力；② 环境、任务与模板全由开源模型合成（刻意避免间接蒸馏闭源模型），目前只训到 35B 级。项目已全部开源（GitHub 88 star，2026-09-30 建库）。

原文：机器之心 · 「假电脑」教AI用电脑，出的题连GPT-6 Astra都做不对 ｜ 项目页

2️⃣ GPT-6 Astra 的机器人能力可能来自专门训练：50 个模型的运动学对照指向「Franka 本体过拟合」

9 月 3 日 GPT-6 Astra 发布后，机器人圈的演示很扎眼：NVIDIA 把它接进 Isaac Sim 工作流完成拆装演示；Unitree G1 在从未见过的房间里自主整理物品并靠空间记忆取物。社区随即喊出「VLA 已死、通用大模型接管机器人」。但 OpenAI 从未披露训练数据构成，也没说明预训练是否用了专门的机器人数据。

一项社区研究给出了反向线索：研究者对 50 个开源与闭源模型做正/逆运动学（FK/IK）测试，要求不调工具、不写代码、直接给出末端位姿或关节角。关键在对照实验——把机器人的 DH 参数换另一台七自由度本体后，GPT-6 Astra、GPT-6.1 Sol、Gemini Argon 三个模型的输出仍与 Franka Panda 的运动学特征相符，未按新参数重算。研究者据此判定这三个模型对特定机器人本体存在过拟合：记住的是 Franka 的结构，而非可迁移的运动学规律。

⚠️ 限定必须带：这是初步探索（项目 2026-11-06 才建库，4 star），只能作为「训练阶段可能积累过特定机器人知识」的线索，不能证明 OpenAI / Google 具体用了哪些数据；OpenAI 未回应、也未披露。作者已公开实验代码与推理记录，并称计划扩展到 Unitree G1 等更多本体。

原文：机器之心 · GPT-6 Astra的机器人能力被扒：可能接受过专门训练 ｜ 复现代码

📌 值得看

3️⃣ NeurIPS 2026 Firefly：先在真实 API 上探索、再反向出题，得到 5144 个可验证 tool-call 任务

RL 训 tool-calling agent 需要数千个「带正确中间调用 + 可验证答案」的任务，而主流 benchmark 每个只给几十到几百题（Tau2-Bench 每领域 50–115、MCPMark 127、MCP-Atlas 500）。据 Epoch AI 行业访谈，实验室买一个 RL 任务通常花 200–2000 美元，独家授权再贵 4–5 倍。

作者的判断是：问题不在「如何生成更好的题」，而在出题与观察的顺序。人工标注可靠但不可扩展；纯模拟环境可扩展却偏离真实 API（模型学到的是「怎么和模拟器交互」）；前向合成（先出题再让 solver 解）虽然真实，但 solver 的答案被当成 ground truth，没有任何机制保证正确。Firefly 反过来：先在真实 MCP server 上探索并记录观察 → 用 Tool Graph 做 back-chaining 反推任务 → 配 Retrieval-Augmented Tool-Call Simulator 缓存真实返回，让 RL 完全离线可复现，规避 environment drift 与 rate limit。最终得到 240 个 server、993 个工具、5144 个可验证任务。

⚠️ 限定：受算力限制只训了 4B 模型，pass@1 与 pass@16 差距不大，作者推测 30B 以上会受益更多但明说「目前仍是假设」；hard 任务仅占 3.5%；为保证可验证性，筛选阶段排除了有状态与需用户认证的 server（而真实世界里这类工具恰恰很多）。代码与数据以 MIT 开源。

原文：[机器之心 · NeurIPS 2026 从「先出题」到「先探索」：重新思考Tool-Calling Agent的训练数据合成](https://www.jiqizhixin.com/articles/2026-11-07-5) ｜ 论文

4️⃣ 仰望鼎曜 Altior 阿布扎比首发：5.6 米超豪华轿车，限量版定金 30 万、2027 年二季度交付

比亚迪在阿布扎比文华东方酋长皇宫酒店办仰望品牌首场海外全球发布会，端出磨了三年的超豪华行政旗舰「鼎曜」Altior（拉丁语「更高」），也是仰望首次脱离 U7/U8/U9 的字母数字序列单独命名。前一天，仰望 U9X 刚以 503.17 km/h 拿下 FIA 认证的全球最速量产车。

硬件：车长 5600 毫米、宽 2030、高 1590，轴距 3500 毫米；中轴对开门（前门 80°、后门 90°），前脸 137 颗 51 切面珠宝工艺宝石、24K 金甲骨文车标，车内 39 扬丹拿、半苯胺全粒面真皮与天然真木/水晶按键；「山河鼎韵」限量版用和田白玉做空调出风口构件、门板走苏绣劈丝技法，定金 30 万元。技术侧确认易四方、车顶激光雷达（高阶辅助驾驶）、二代电池与闪充，但价格与其余参数官方留了一手。

市场背景更值得看：2026 年 1–10 月比亚迪全球销量 362.2 万辆，海外 150.7 万辆（同比 +93%）、10 月单月海外 17 万辆占 35%；中东 2025 年同比 +120%，但产品结构务实——阿联酋今年 1–2 月发运 14,885 辆里插混占 96%（当地油价低、充电少、夏季 50℃）。渠道靠 Al-Futtaim、Alghanim 等本地财团。

⚠️ 口径提醒：阿联酋本土新车市场一年只有 26–27 万辆，而中国对阿联酋 2025 年 1–9 月出口 36.8 万辆——差额主要是转口贸易，「出口量 ≠ 本地销量」。

原文：极客公园 · 「全球最速」之后，比亚迪仰望推出了一台「全球最豪」的新车 ｜ 爱范儿 · 最贵比亚迪来了！仰望鼎曜亮相中东，「山河鼎韵」限量版定金 30 万元