RoboACE：用于机器人自我改进的对抗式协同进化框架
RoboACE 围绕冻结的基础模型协同演化课程与执行框架，使机器人智能体从执行反馈中改进技能、规划和恢复策略。其冻结部署在四组 LIBERO 系列评测中表现更优，并在 LIBERO-PRO 达到 74.0% 成功率，较初始部署提高 15.0 个百分点，较 VLA 控制器直接执行提高 13.5 个百分点。
#数据/训练
arXiv 机器人论文摘要 arXiv 机器人论文摘要精选 VLA 中有多少能力来自 kNN 检索
研究发现，在无需策略训练的情况下，检索相近演示并复用其动作块即可在 LIBERO 上达到 91.7% 成功率，而 VLA 模型已超过 95%。在 LIBERO-Plus 扰动下，检索方法在所有受评策略中降幅最小；对九个公开 VLA 的分析显示，微调主要让视觉语言骨干成为更好的检索键，其动作仍接近演示数据。
推荐理由：通过无策略训练的检索基线与九个公开 VLA 对照，研究呈现了 LIBERO 高分中训练演示复用的潜在比重。
arXiv 分布式计算论文摘要 Plumbline：当损失函数说谎，如何正确验证 LLM 训练
Plumbline 是用于验证 LLM 训练正确性的系统，已在 Amazon 生产环境使用，可检查从训练数据、新增模型层到完整训练及模型服务的全生命周期，并追踪故障根因。它在 3 个框架和 5 个模型中发现 61 个问题，其中 32 个为静默问题，42 个已修复或上报上游。
arXiv 机器人论文摘要 ASPIRE：用于迭代推理与探索的智能体系统辨识平台
ASPIRE 让大语言模型智能体选择并执行非线性系统辨识方法，基于测量数据构建闭式静态或动态模型，并支持自主及交互运行。其在3个实测系统的30次测试中均生成有效模型，每次成本为0.96至3.38美元；150项评估中132项完全满足、18项部分满足。
The Decoder NVIDIA 推出机器人基础模型 GR00T 2，可从人类视频迁移动作
NVIDIA 推出机器人基础模型 GR00T 2，通过同时预测下一步动作和短期未来视频，将人类示范动作迁移到不同形态的机器人。该模型使用超过 1000 枚 GB300 芯片和约 400,000 小时第一视角人类任务视频训练，实验任务成功率为 10% 至 80%；在已具备较好表现的 50 项任务中，不到 3 分钟的传统训练将成功率从 40% 提升至 95%。
The Decoder Google DeepMind 发布 Gemini Robotics 2.5，奔驰产线试点分拣成功率达 96%
Google DeepMind 发布机器人控制模型 Gemini Robotics 2.5，并称其在奔驰实际生产线的金属零件分拣试点中达到 96% 成功率。该视觉语言动作模型接受了超过 200 项任务测试，相较其此前基线，成功率按任务类型提高 30% 至 100%，任务速度提升 20% 至 30%。
Berkeley AI Research BAIR 在 CoRL 2026 展示机器人学习研究成果
BAIR 师生与博士后在 CoRL 2026 展示 33 篇主会论文、4 项后期成果，并参与 3 场口头报告和 7 场亮点报告。研究涵盖机器人控制、具身智能体、视觉语言动作模型、灵巧操作与导航，Negar Mehr 教授还将发表早期职业主题演讲。
Microsoft Research Microsoft Copilot：从合成企业数据评估到真实 AI 信心
Microsoft 构建 Industry Evaluation Data Generation Platform，以全规模合成企业环境评估 Microsoft Copilot，无需接触客户数据。平台基于 O*NET、在线招聘信息和 SEC 文件模拟动态业务流程，并通过自动查询生成与质量框架建立首个标准化评估基线。
Microsoft Research Microsoft Research Focus 第97期：AI 智能体、Copilot 使用与天气预测研究进展
Microsoft Research Focus 第97期集中展示AI智能体、职场AI使用及天气预测等研究进展。ForkPilot在6项基准和领先模型测试中将AI处理需求最多降低59%，CABRA发现理解陌生代码库仍是编码智能体的主要障碍。Copilot Chat中编辑文档占已分类活动逾20%，TeleTune可从活动日志学习可复用技能与工作流。
GitHub Blog · AI & ML精选 GitHub 引入 ModernBERT 分类器，将推送保护扩展至非结构化密钥
GitHub 与 Microsoft Applied Sciences 开发了新的 ModernBERT 分类器，用代码上下文识别非结构化密钥，批量评估候选密钥耗时不到 2 ms，可使推送保护阻止的密钥数量增加一倍以上。
推荐理由：九个季度的数据将密钥泄露增长归因于代码规模而非单次推送风险上升，并说明自动拦截为何比人工补救更易扩展。
GitHub Blog · AI & ML精选 GitHub 发布 AI 代码审查开放基准 ReviewBench
GitHub 发布 AI 代码审查开放基准 ReviewBench，提供公开数据集、排行榜、自助评估工具以及可复现的评估方法。该基准分析了 103.9M 个 GitHub pull request，并选取来自 187 个公开仓库、覆盖 19 种语言的 219 个 pull request；其黄金集经资深工程师独立复核，判断一致率为 96.6%。
推荐理由：ReviewBench公开了数据集、评估规则和运行工具，并用线上实验对照说明离线指标如何辅助代码审查智能体迭代。
Berkeley AI Research 教会大语言模型更新信念，实现高效长程交互
ABBEL 框架以自然语言信念状态替代完整交互历史，并通过信念评分监督关键信息保留，提升大语言模型长程交互效率。在 CollabBench 上，ABBEL-rec-BG 将与完整上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值上下文 token 从 14.08×10² 降至 6.01×10²。