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。
#推理
arXiv 机器人论文摘要 arXiv 机器人论文摘要 Robo-MLT：面向长时程医学实验室任务的双系统机器人操作框架
Robo-MLT 通过显式工作流监控与学习式动作生成协同执行长时程医学实验室任务，并在执行阶段变化时重新规划。其血气分析和血样管分拣成功率分别达 82% 和 70%，比 $\pi_{0.5}$ 高 30 和 22 个百分点；操作员移走当前样本后，系统仍可调整计划并继续处理其他样本。
arXiv 分布式计算论文摘要 Decode Token Parallelism：面向可扩展 LLM 解码的内存高效分布式注意力并行
Decode Token Parallelism（TKNP）通过解耦权重放置与注意力归属，在不复制权重或跨节点合并部分注意力结果的情况下扩展请求本地注意力。该架构基于 vLLM 实现，在最多 64 张 H100 GPU 上评测 Llama 3.1 405B 和 Nemotron-4 340B，长上下文高并发任务的完成吞吐量较 DCP 最高提升 1.7×，较数据并行最高提升 2.06×。
Google DeepMind精选 Google DeepMind 发布 Gemini 4 Carbon，面向复杂智能体工作流与科学推理
Google DeepMind 现已向开发者、企业、科学家和消费者开放 Gemini 4 Carbon，主打网络安全、长周期智能体工作流、复杂编码与科学推理。
推荐理由：原文集中呈现 Carbon 与 Argon 的定位差异、任务成本及安全评测数据，可用于比较两者在复杂工作流中的适用范围。
Google DeepMind精选 Google DeepMind 发布 Gemini 4 Carbon，强化网络安全与长周期任务能力
Google DeepMind 发布 Gemini 4 Carbon，主打网络安全、编码和长周期智能体任务，本周起先向部分网络防御人员开放。该模型在 SEC-bench Pro、ExploitGym 和 CWE-bench 上分别取得 88.2%、54.8% 和 71.0%，Terminal-Bench 4.0 成功作弊率降至 0.0%。
推荐理由：材料集中给出漏洞发现、利用与修补基准，以及分阶段开放和定价信息，便于比较模型能力与使用门槛。
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。
Berkeley AI Research 自适应并行推理如何成为高效推理扩展的新范式
Berkeley AI Research 系统梳理了自适应并行推理，模型可根据问题动态决定何时拆分任务、生成多少并发线程以及如何协调结果。文章比较 Multiverse 的推理引擎与 KV cache 改造方案和 ThreadWeaver 的客户端编排方案，并介绍基于 SFT、RL、关键路径长度与正确性门控奖励的训练方法。