专题｜RSI 与 Agent 自进化：站内内容地图与三条阅读路线
本站「RSI 与 Agent 自进化」专题入口页：把站内 11 篇原创深度与 14 条一手动态收进同一张地图——先给 30 秒定性（RSI 改"改进能力"、自进化改"任务表现"），再按概念／全景／证据／判定／事件／工程／治理七层分层索引，附三条按时间预算划分的阅读路线（30 分钟 / 2 小时 / 半天）、一页速查卡、收录标准与更新日志。
阅读全文 →
全部文章
ARCHIVE 共 470 条Long-WAM：扩展世界-动作模型的上下文长度
论文提出Long-WAM框架，在实时控制约束下扩展因果世界-动作模型的视觉历史上下文，发现自回归预训练的视频基础模型才能让更长历史带来收益，在RoboCasa GR-1上将成功率从63.3%提升到78.7%。
MIMESIS：将用户模拟器作为交互智能体的训练环境
MIMESIS 基于真实人类对话构建用户模拟器，采用显式推理监督和 13 种真实行为模式，其 9B 模型 SOUL-Index 达 65.7，超过最强前沿模型。
On-Policy Distillation Teaches New Skills but Not New Knowledge
On-policy distillation (OPD) strengthens language-model reasoning, yet whether students acquire new factual knowledge or…
RunningTab：通过环境侧标签页实现直接工作区交互
论文提出RunningTab框架，为LLM智能体直接操作工作区文件（DWI）提供环境侧的任务级标签机制，跟踪任务要求、已读文件与未打开文件，避免信息遗漏。
QuadTok：用于自回归图像生成的四叉树视觉分词器
QuadTok 提出基于四叉树的视觉分词方法，对复杂区域动态分配 token、对均匀区域用粗分辨率，在 ImageNet 上节省约 10% token 并在 COCO 零样本迁移时节省 9%，且树结构天然支持自回归图像生成。
RoboQuest：面向目标导向具身探索的通用物理智能体基准
RoboQuest 是一个具身探索基准，要求智能体在陌生环境中通过物理交互主动获取任务相关信息，据此调整后续行动并自主决定何时完成任务，包含十个移动操作任务。
UltraText Bench：面向图像生成中视觉文本渲染的双语综合评测基准
论文提出UltraText Bench，一个包含432条中英双语提示、覆盖24类真实场景和三个难度等级的基准，用于评测纯提示生成密集视觉文本的表现，并使用Q-Judger视觉语言模型从文本保真度、清晰度和空间质量等维度打分。
Tetris3D：让物体彼此契合的3D场景生成框架
提出Tetris3D框架，通过将每个物体的生成条件化于周围物体几何与物理关系，实现单图像3D场景重建中几何与物理一致的场景生成，并发布含120万个物理交互场景的ComOb数据集。
RobotWorld：跨多样任务与机器人形态的多模态智能体机器人使用基准
研究团队推出RobotWorld模拟测试平台，含84项覆盖操作、移动操作、运动控制、驾驶与飞行控制的任务，通过交互预算与可执行成功检验评估智能体将指令转化为物理任务执行的能力，并分析哪些能力可迁移、哪些缺口导致无法可靠完成。
基于标量伴随匹配的Q-Learning
论文提出利用预训练流策略速度雅可比矩阵集中于对角线的观察，推导闭式标量伴随，替代逐步骤向量-雅可比乘积，以更低的计算成本对流策略进行离线强化学习微调。
系统切换：快速决策模型何时应该停下来思考？
研究提出在闭环 Doom 环境中，由门控机制决定快速动作模型何时将控制权交给推理型视觉语言模型，并基于 900 道保留问题评估了 0.15B 到 9B 参数零样本决策模型在错误中的收集倾向、准确率与校准表现。
2026年诺贝尔化学奖授予法日科学家，表彰不对称有机合成中非线性效应与自催化现象研究
法国科学家Henri Kagan和日本科学家硖合宪三因在手性分子形成机制方面的贡献获2026年诺贝尔化学奖：Kagan发现操控化学反应产生更大镜像过剩量的新方法，硖合宪三展示了仅生成单一镜像构型的反应。