抓取窗口:近 30 小时(2026-11-14 13:00 — 11-15 19:00 北京时间)|新文章 57 篇 各源命中:机器之心 8、36氪 31、量子位 4、新智元 7、智东西 0、极客公园 1、爱范儿 2、少数派 1、InfoQ 3

🔥 必读

1. MIT 韩松团队开源 PEAR:27B 千问模型纯仿真 RL 后直接上真机,30 次成功 18 次

MIT 韩松团队公布机器人后训练项目 PEAR(Post-training Engine for Agentic Robotics):以开源 Qwen3.8-27B 为底座,不需要一帧人类遥操演示、不需要一条真机数据,只在仿真环境里做强化学习,训完直接部署到一台它从未见过的双臂 YAM 真机,30 次测试成功 18 次(训练前 0 次)。

方法叫 Robot-Use RL,逻辑与「Computer Use」同构:每回合输入三路摄像头画面 + 机械臂当前关节状态,模型在思维链里推理(「夹爪在橡皮正上方,把手指降到橡皮两侧」),输出一段含末端执行器下一目标位姿(x/y/z/roll/pitch/yaw)的 JSON,逆运动学算关节角、底层控制器驱动到位,本轮记录连同新画面回填上下文进入下一回合——全程没有感知模块、没有抓取规划器、没有技能库。

基准成绩:LIBERO 零样本 1.6% → 74.4%(GPT-6 Astra medium 49.3% / max 76.2%,GPT-6.1 Sol medium 48.1% / max 80.6%;PEAR 用 xhigh 档)。关键在扰动测试:π0.5 原版 96.9% 高于 PEAR,但任务替换(同场景只换指令)时 π0.5 跌到 0.75%(-96.2 分)、PEAR 74.4%→57.4%(-17);布局替换时 π0.5 跌到 20.8%、PEAR 57.5%——π0.5 记住的是运动模式,模式失效就全崩,PEAR 保留的是指令理解与视觉感知,靠画面重新生成位姿。

跨环境迁移:训练后零样本在 LIBERO-Long 拿 39.0%(底座 0.4%);换双臂 ARX 的 RoboDojo 仿真器 general_pickup 39.9%(底座 10.7%);RoboLab-120 37.3%(底座 5.4%,对照 Cosmos3-Nano-Policy 36.8%、π0.5 28.0%、DreamZero 25.7%、GR00T N1.6 7.2%)。工程指标:RTX 5090 上 220+ tok/s,可本地运行;且相比底座在 AIME、GPQA、LiveCodeBench 等九项通用 benchmark 上分数几乎不变——没有牺牲数学与编程能力。

已核实:GitHub 仓库真实存在(Apache-2.0,2026-11-13 建库,237 stars)。

判读:这是「通用大模型直接接管机器人」与「专用 VLA 死记轨迹」之外第三条路——用后训练把通用模型的动作输出接口对齐到机械臂,代价只有仿真算力。真实约束也清楚:真机 18/30 = 60%,离可商用还有距离;论文为预印本,尚无第三方复现。

原文:机器之心 |项目博客 |论文 PDF |模型权重

2. Claude 读完哥德尔 1009 页速记手稿:663 条定理雏形,400 条形式化验证通过

芬兰赫尔辛基大学逻辑学家 Jan von Plato 2017 年强制退休后,申请到欧洲研究理事会 250 万欧元资助,专攻哥德尔 1940 年定居普林斯顿后写下的 16 本工作簿、共 1009 页笔记。难点是双重的:笔记用已近乎失传的加贝尔斯贝格速记(Gabelsberger)写成,全球能读的人据其自述「大概六个」;团队花数年逐页转写成现代英文后,仍卡在理解——笔记高度浓缩、满是直觉草图和未展开公式,进度约每周一页、一年 50 页。

转机出现在今年夏天法国一场「AI 与定理证明」会议:几位计算机科学家建议他试 Claude。他把 1009 页转写稿+自己 6 本专著+大量现代逻辑文献一并输入,几天后得到 650 页解读,持续追问后膨胀到 1084 页。更实质的产出是:Claude 梳理出 663 条具备定理雏形的结果,在计算机科学家 Josef Urban 等人协助与形式化验证下,400 条被证明完全成立,约 200 条核心思路无误但需补充前置假设,55 条是错的,还有几条仍在验证。换算下来,哥德尔在 1940 年代初逃难到美国不到三年里,几乎每两天产出一条新定理。

von Plato 在维也纳大学演讲里把 Claude 比作「数字怪物」、有「莫扎特式视野」——它能把第 12 页的灵感与第 890 页的公式同时「在场」地联系起来。

⚠️ 口径纪律:标题所称「他离菲奖只剩最后一步」指文中一段二手回忆——1963 年 Paul Cohen 用力迫法证明选择公理独立性并于 1966 年获菲尔兹奖;Alonzo Church 在颁奖礼上公开称哥德尔 1942 年已在类型论框架下证出可构成性公理独立性;Cohen 2002 年撰文回忆当面求证时,哥德尔承认「确有方法」但否认与类型论有关、且不肯透露。此事无原始手稿或论文佐证,属未经独立核实的回忆,本期不采信为事实。可核验的核心只有数字部分(1009 页 / 663 → 400 / 55)。

判读:与 11-14「Claude Code 形式化三元哥德巴赫」是不同事件但同一机制——AI 的价值不是「想出新数学」,而是把人类写不动、读不完的长文本变成可逐条验证的清单,且验证环节仍要靠形式化内核。注意 55 条判错这个数字同样重要:它是「AI 输出必须过验证器」最直接的证据。

原文:新智元

3. 「史上最严」湿实验预测基准 SPU:116 任务 4207 个实验,最强模型仅 0.486 分

UniPat AI 牵头发布 Science Prediction Universe(SPU):不给模型刷题,而是给一组实验条件,让它提前预测真实湿实验结果(同一反应换几种条件哪种产率更高、一批抗体变体哪个表达量更高),答案藏起来,等模型交卷再拿实测结果对照。

规模:116 个任务、4207 个湿实验、32 个子领域,覆盖化学、材料科学、生物与医学;其中 100 个公开任务取自 85 篇近期论文(由领域专家整理候选项、材料、条件与测量方式,保留完整定量结果作评分依据),16 个私有任务来自四组未发表的合作湿实验(VHH 纳米抗体、反应条件、电解液、Magrolimab 变体)——后者用于排除「模型见过答案」。基准顾问与湿实验合作方来自斯坦福、康奈尔、哈佛等十余家机构。为避免趋势过强或数值过近的题,专家剔除了可沿单一趋势排序的简单题。

评测条件刻意接近真实科研:每次运行 8 小时、8 核 CPU / 16 GiB 内存 / 一块 H20,允许联网检索并自行安装科研软件,模型自主决定怎么用检索与计算资源,最后提交各比较组从低到高的预测排序;评分用 Spearman 相关系数,全程在断网容器中进行并扫描工具输出里的 DOI、标题等标识符防泄漏;每题额外生成 4000 份随机排序、取第 95 百分位作随机水平阈值,防止「瞎猫碰死耗子」。

结果:覆盖 12 款前沿模型、13 种配置(模型+推理强度+框架),平均分最高为 Claude Opus 5.5 的 0.486,且它也只有一半任务超过随机水平;13 个配置能超过随机阈值的任务比例仅 34%–52%。领先组(6 个)比落后组(7 个)同题高约 0.15 分;领先组约 9% 的任务得分为负(负相关),落后组高达 22%。

个案很能说明问题:同一个聚合反应依次更换 12 种溶剂、要求按分离得到的聚合物质量排序(66 个两两配对),Opus 5.5 得 0.874、排对 56 对;Qwen3.8 得 -0.126、只排对 30 对——差别从第一步就出现,Qwen 主要按溶剂对乙烯的溶解度排序,Opus 则关注原料混溶性与催化剂在溶剂中的行为。

判读:结论是负面的,但信息量极高——「推理拉满、算力翻 5 倍」在湿实验预测上收益有限,短板在科学品味(该关注哪个机制),不在算力。对做 AI for Science 的团队,SPU 是目前唯一能把「科研直觉」变成可复现分数的公开标尺。

原文:量子位

📌 值得看

4. 中科院自动化所 + 美团 RSI 综述:Prompt / Memory / Skill / Harness 四组件,When–Where–How 三问

中科院自动化所、美团联合山东大学、中国人民大学、中科院微电子所、上海交通大学、理想汽车等推出 LLM Agent 递归自我改进(RSI)综述。起点是一个具体场景:编程 Agent 调 API 报错、几轮试错后修好——但下个任务还会不会犯同样的错?这次修复能否沉淀成规则、记忆或技能?

综述的主线是模型权重不变,Agent 行为也能变好:把反复验证有效的约束写进 Prompt、把用户更新存入 Memory、把成功流程整理成 Skill、按重复失败调整 Harness 的工具接口与检查逻辑。所谓「递归」还有一层要求:保留下来的经验要能参与后续修改的诊断、生成或筛选——上次的修复记录帮你定位下次的失败,已有的更新经验帮你选更有效的修改策略。

框架用三问组织:When(何时更新、何时保留:失败/新信息/接口变化都可能触发,但能否留下要看后续任务表现)、Where(改哪个组件:指令没说清、信息过期、步骤缺失、还是运行机制容许跳过检查——须由执行证据支持)、How(如何从日志提炼适用范围明确的规则,再验证「修了目标问题且没伤原能力」才纳入)。方法上覆盖四条演进线:Prompt 优化从「搜一条更好的指令」→「用失败反馈修订」→「优化负责生成指令的那个 Agent 的提示词」;Memory 从解决容量→提炼可复用经验规则→管理时效与适用对象(用户搬家后配送要用新地址、查历史仍要旧地址)→按后续反馈动态调整记忆效用;Skill 与 Harness 两条线同样从「生成候选」走向「修订、选择与长期维护」。论文以 40 项代表性研究绘制全景、对 20 项研究的更新闭环做对照。

判读:这是四天来 RSI 系列(11-12 Trinity、11-13 百度伐谋、11-14 HiPhys-RSI 与 MolRSI)里唯一给框架而非单点结果的一篇,且四组件与 Hermes 的 skill / memory / harness 三层几乎一一对应——最缺的仍是「修改后如何验证没伤原能力」这一步。

原文:机器之心 |论文

5. EMNLP 2026 杰出论文 OptiMer:合并分布向量代替数据配比,试 100 次配比只需 8.5 小时

日本信息通信研究机构(NICT)宋海越团队的工作获 EMNLP 2026 杰出论文奖(17,661 篇投稿中仅 22 篇)。要解决的问题是持续预训练中的数据配比:各数据集放多少只能训前定、训完才知道好坏,配比不对往往从头训,试错成本极高。

OptiMer 三步走:① 从基座模型出发,在日语、中文、数学等各数据集上分别做持续预训练;② 用训练后参数减去基座参数,得到每个数据集的分布向量;③ 基座权重 + 不同比例的多个分布向量 + 指令遵循向量,用贝叶斯优化搜最优合并比例——每次尝试只含「合并 + 评估」,不再训练。

效率:传统数据混合试一个配比需 129.3 小时,OptiMer 试 100 次配比仅 8.5 小时,配比最优化阶段加速 15–35 倍。效果:C-Eval、Japanese Leaderboard、MMLU、GSM8K、HumanEval 平均 70.37,高于传统数据混合的 63.71(约 +6.7 分);且搜到的合并权重可直接当数据配比用,重新训练后平均分从等比例混合的 63.71 升到 68.66。

为什么能合并:实测分布向量两两余弦相似度约 0.3,而分布向量与指令遵循向量之间仅约 0.03(接近垂直),所以 DARE 这类合并算法可较无损地叠加。机制分析显示模型不能偏离基座太远——分布向量模长随训练增长,模型表现在训练早期达峰后逐渐下降;PCA 轨迹近似一条直线,增减权重等价于增减该数据上的有效训练量;权重可设负值做「机器反学习」,论文未深入。

落地案例:对 Gemma-SEA-LION-v4-27B(基于 Gemma 3、已在东南亚语料上持续预训练)分别抽取日语/中文/英语/数学/代码五个分布向量再合并,日语得分 66.34 → 74.40,同时保住东南亚语言能力。

判读:对工业界的直接价值是特化模型可以「拼」出来而不是「训」出来——想换领域只换评估目标、重搜权重,不必重跑预训练。局限:只在持续预训练上验证,后训练阶段未测。

原文:机器之心 |项目页

6. 星舰第 15 次试飞:上面级飞船首次被发射塔机械臂捕获,助推器坠海未实现双回收

在轨飞行 22 小时、绕地球 14 圈后,高约 52 米的星舰上面级飞船重返大气层飞回得州星舰基地,在离地不远处重新点燃发动机、完成翻转与减速,精准进入发射塔两条机械臂之间,随后发动机关闭、被稳稳夹住——这是人类首次成功捕获从地球轨道返回的星舰上面级。此次还顺带部署了 26 颗星链 V3 卫星,其中部分搭载专用相机,从外部反向检查飞船隔热盾状态。

技术难点在再入:入轨速度约 7.8 km/s,靠迎风侧数千块隔热瓦保护不锈钢箭体;本次改进了瓦片固定方式并采用新的弧形隔热瓦设计以降低缝隙局部加热;返回姿态走「腹部下落」(Belly Flop),近地再点火翻转成垂直姿态入塔。马斯克发射前称将尝试同时捕获助推器与上面级,若两边都成,就是一套轨道火箭的全部主要飞行部分首次完整返回——但超重型助推器返回过程中出现异常,最终坠入墨西哥湾,双回收未达成。

判读:猎鹰 9 号十多年来只能回收一级,二级一次性抛弃;星舰这次补上的是「第二级也回得来」这块最后拼图。但注意口径:这是单次成功 + 单级成功,两级全回收、快速复用周转都还没验证;把上面级直接送回发射塔的价值在于省掉海上打捞、运输与重新吊装。

原文:机器之心 |爱范儿

7. 李沐出任 Aimotion 联合创始人兼 CTO:做「产业级世界模型」,建模商业规则而非物理

李沐正式出任 Aimotion 联合创始人兼 CTO,主导下一代产业级 AI 技术体系建设;同时继续担任 Boson AI 联合创始人兼 CTO——不是跳槽,而是两家联手,联合攻关产业级世界模型与商业 AI Agent。

Aimotion 总部在硅谷,扎根汽车这类高价值、长决策周期行业,做 AI 销售营销解决方案,业务覆盖美洲、欧洲和亚太,近期刚完成 BAI Capital 领投的 A 轮数千万美元融资。

技术路线值得注意:与当前主流的物理仿真类世界模型不同,它建模的是商业规则、客户决策逻辑与业务因果关系,用于场景推演、趋势预判和长周期任务规划,目标是让 AI Agent 从「被动问答的辅助工具」变成「能自主执行复杂销售业务、直接创造收益的智能系统」。李沐的公开表态是把 AI 下一阶段押在「深度落地复杂商业场景」。其履历:CMU 计算机博士、Apache MXNet 创始人之一、前亚马逊 AWS AI 资深首席科学家,《动手学深度学习》作者。

判读:「世界模型」出现了物理 → 商业的分叉,这条线的判据不再是仿真保真度,而是业务因果是否正确。⚠️ 目前只有人事与方向公告,无技术报告、无产品,融资为数千万美元 A 轮量级,不宜过度外推。

原文:机器之心

📄 其他

  • 韩国 10 月 ICT 出口 703.5 亿美元(+202.0%)、芯片 564.7 亿美元(+259.4%):连续第二个月破 700 亿;半导体占 ICT 出口 80.3%;受 AI 数据中心投资带动,SSD 出货量飙升 584.3%,计算机及外设出口 59.9 亿美元(+439.3%)。36氪
  • 联想「万全混合词元工厂」落地张家口:首期规划 15000P 异构算力集群 + 约 100MW 智算中心,年产 2000 万亿 Token、峰值 2 亿 Token/s,首期 2027 年建成、2030 年规模再扩 10 倍以上;主打「绿电进、词元出」与私有/公共混合供给。量子位
  • 意大利对 Meta 爱尔兰公司罚 8.05 亿欧元(约 8.87 亿美元):安卓端 Facebook App 未经专项同意访问用户相册中的照片、视频与元数据,且未充分告知。36氪
  • GitLab 19.5:把智能体开发纳入可治理的 DevOps 平台能力。InfoQ
  • Yelp AI 助手混合 UI 架构:导航栏与输入框保持原生,对话区由内部 CHAOS 框架服务端驱动渲染,界面改动无需发版;事件类型含消息、输入指示器、快速回复与「禁用输入」等后端指令。InfoQ
  • 黄仁勋回归请愿签名破 12 万:含 6000+ 自述现员工、1000+ 前员工、6 万+ 股东(数据实时刷新,未经独立核实;同线第 3 次,仅计数增量)。机器之心
  • 香港迪士尼约 1.7 万个电子门票二维码被盗:警方列「有犯罪或不诚实意图而使用电脑」,大屿山警区重案组跟进,暂无人被捕;官网停止售票与订房。36氪
  • 小米与 HWA(「AMG 之父」创办)秘密合作传闻:意媒 Quattroruote 援引不具名知情人士,称目标为「载入史册」的超高性能车型,形式未定;⚠️ 未经官方证实。极客公园
  • 首份万卡级智算集群网络技术报告发布(ChinaSC 2026),基于中科曙光 scaleFabric 与曙光 8000 工程实践。36氪
  • 余承东:大折叠已成千万人主力机,Mate X8 将在屏幕、影像、性能上有新突破。36氪
  • HomePod mini 2 体验:六年磨一「球」,小体积大嗓门,价格偏高。爱范儿

本期判重说明

  • 不进本期:「DeepSeek 全家桶 API 开放」与「OpenAI 机器人团队解散」均已在 11-14 推送,本期新智元为复述。
  • 「黄仁勋回归请愿」同一条线第 3 次(11-12 / 11-13 / 11-14),本期仅签名数这一计数增长,无新增可引用硬事实 —— 封顶「其他」。
  • 「Claude 破译哥德尔」与 11-14「三元哥德巴赫形式化」是不同事件(不同主体、不同手稿、不同验证方),不合并。
  • 斯坦福 RSIHF 与本期 RSI 综述同日同主题,按「同主题单日只推最有突破性一篇」只留综述。
  • 剔除 36氪 医药医保目录 6 条、股权增减持与回购 4 条、APEC 与政务 7 条、行情与体育 8 条;InfoQ 会议推广 1 条。
  • 源状态:九源全部正常,智东西本期 0 条命中(20 篇内无合规 AI 新稿);36氪 正文直取遇 SSL 报错,改用 RSS item 全文(该源快讯本身即完整正文)。