EMHO:不改模型也能让具身智能体变强的经验进化法

资讯 腾讯网 作者:腾讯网 全文 10437 字 · 约 27 分钟读完 分类具身智能智能体

先讲一个你可能没注意到的反常现象。同一套具身智能体,同一个视觉语言模型,一个字都没改权重,也没做任何微调。只是把围绕在模型外面的那层“外壳”重新写了一遍,任务成功率就能从 50% 跳到 63%,从 23.9% 跳到 44.2%。这个提升幅度,比很多论文靠训练换来的改进还大。论文的作者们问了一个很朴素但很少被正面回答的问

所属频道 智能体与 Agent机器人与具身智能

先讲一个你可能没注意到的反常现象。

同一套具身智能体,同一个

论文的作者们问了一个很朴素但很少被正面回答的问题:我们一直在优化模型,那模型外面那层东西,能不能自己变聪明?

答案是能。他们给这套方法起了个名字,叫 EMHO。

先说清楚一件事:什么是外壳

在具身智能领域,过去几年的主角一直是模型本身。从

但一个智能体在真实环境里跑的时候,模型只负责“想”。真正决定它看到什么、记得什么、什么时候调用工具、失败了怎么补救的,是一整套程序逻辑。

这套逻辑,论文里叫 harness(外壳)。

>

你可以把这层外壳理解成给模型配的一套工作手册加操作系统。模型是那个干活的人,外壳是告诉他“先看哪、再记什么、出错怎么办”的那套流程。

有意思的地方在于,这套流程一直是手工设计的。研究者凭经验写提示词,凭直觉加规则,凭感觉调顺序。而模型的失败原因,藏在一长串的观察、计划、动作、工具调用里,很难倒推到底是哪一步出了问题。

最终只有一个信号:这一局成没成。

这就像考试只告诉你及格还是不及格,不告诉你哪道题错了。

为什么这事比看起来难得多

论文里有一个对比特别点题。

在写代码的环境里,智能体自我改进是相对容易的。测试挂了有报错信息,异常有堆栈,编译失败直接告诉你哪一行有问题。这些信号是局部化的、有指向性的,智能体能直接知道“我上一步做错了什么”。

具身环境完全是另一回事。

你让一个机器人在房间里找垃圾桶,它撞墙了。环境只返回一个“blocked”,不会告诉你是因为方向错了、距离估错了,还是这个方向上本来就有一堵墙。它也不会告诉你,三步之前那个看起来合理的转向决策,才是真正的罪魁祸首。

>

再加上成功信号是延迟的,一局跑完才知道结果。这就让归因变得极其昂贵。

在 EMHO 出现之前,这个方向已经有人做过尝试,但都聚焦在某个局部。

EmbodiSkill

这些工作的共同点是:都在改“某一类行为”。技能、恢复机制、策略。

但作者们注意到一个被忽略的事实:当一个智能体表现不好时,问题往往不在技能本身,而在更外围的一整套机制上。比如它根本没意识到自己卡住了,比如它调错了视觉工具,比如它把分割框的中心当成了抓取坐标。

只改技能,等于只换了一个零件,但整台机器的运转逻辑还是错的。

内循环外循环:让外壳自己写自己

EMHO 的整体结构不复杂,但它把两件事分得很清楚。

内循环,让当前的智能体去跑任务,把每一步都录下来。

录下来的东西叫

>

外循环,让一个优化器去读这些轨迹。

这个优化器做的事,不是简单看分数。它拿到的是:所有历史轨迹、之前每一版外壳长什么样、改了什么、改完之后分数变成了多少。

然后它去找反复出现的失败模式,提出针对性的修改。

这个“历史感知”的设计值得多说两句。因为如果优化器只看当前这一版的分数,它会反复犯同样的错误。比如它上次加了一条“遇到阻挡就旋转”的规则,结果分数掉了一点,但它不知道是这条规则导致的,下次还会再加。

把修改历史带着走,等于给优化器一本错题本。

候选外壳改完之后,要重新跑一遍搜索集。分数比父版本高,就替换;否则保留原来的。

>

如果只看这个流程,你可能觉得它很合理。

但如果你真的动手改过智能体的外壳,你会知道这件事的坑在哪里:改一条规则,往往会在别的地方冒出新问题。而优化器如果只看总分,它可能永远发现不了这种交易。

这就是

一个外壳管多个子任务,麻烦就来了

前面说的是针对单个子任务的优化。但真实场景里,我们希望一个智能体什么都能干。

论文做了个实验,把导航类的三个子任务(Base、Visual Appearance、Long Horizon)合并起来,用同一份经验池去优化同一个外壳。

结果出问题了。

单独优化时,三个子任务演化出了三种不同的“撞墙应对策略”:

Base 子任务偏好立刻改变动作方向;视觉外观子任务偏好朝看得见的开阔空间走;长时程子任务则要先停下来重新判断该不该转向。

这些规则单独看都对。混在一起,它们会互相打架。

论文给了一个特别具体的例子。有条规则是“被挡住之后先横向移动再往前走”,这条在 Base 上很管用。但放到长时程轨迹里,它会反复触发,把智能体带进旁边更近的障碍物里。

这就像三个老师给同一个学生写了三套不同的解题口诀,每套在自己的科目里都是正确的,合起来却让学生不知道该听谁的。

>

EMHO-Merge

修改之前失败、修改之后成功的,叫增益(gain)。修改之前成功、修改之后失败的,叫损失(loss)。

两边同时出现,说明这条规则不是没用,而是触发条件太宽。这时候优化器不会另起炉灶,而是去“修”它,把触发条件收窄。

>

论文里举的例子是:把“避障行为”缩小到只在有明确阻挡证据时才触发。

而且每个机制只允许修一次。修不好就换新机制,不允许无限打磨同一个想法。

这条限制很关键。如果没有它,优化器会陷入无止境的微调,每次都觉得自己离完美只差一点。

它到底改了什么:真正有用的不是“规则”本身

这部分是整篇论文里最有信息量的部分,也是最容易被读者跳过的。

因为“改外壳”听起来就是一个工程操作,改完分数涨了,那到底涨在哪里?

作者把修改分成了两大类:恢复类修改和非恢复类修改。

恢复类负责“出错之后怎么办”,非恢复类负责“在出错之前怎么把事情做对”。

先说恢复类。

第一类是

导航里撞墙,环境返回 blocked。初始外壳对此几乎没有指导,智能体可能反复往同一个方向撞。

EMHO 演化出来的修改是这样的:在提示词里加一条“如果最近的反馈报告某次移动被阻挡并指出了阻挡物,不要在新计划里重复同一个横向或前进动作,而是先绕一小段,再重新接近目标”。

同时在代码里加了一个函数,专门去提取最近被阻挡的动作名称,并在计划里生成一条警告。

这看起来是一条很平庸的规则。但关键在于,它把一次性的执行反馈,变成了持续有效的约束。

初始外壳只把 blocked 当成一个瞬间事件,下一步就忘了。演化后的外壳把它写进上下文,让它一直影响后面的每一次规划。

作者用“到目标的距离”做后验分析(这个指标不进优化器),发现演化后的轨迹在遇到阻挡之后,更倾向于继续缩短距离,长时程场景里差距最明显。

第二类更有意思,叫“

这个名字本身就说明问题。动作是合法的,环境没报错,但一局打下来什么都没推进。

导航里表现为反复旋转,动作全都执行成功,位置却几乎没变。操作里表现为反复重发几乎一样的计划,或者一直在同一组坐标上尝试抓取。

这类失败最阴险的地方在于,环境不会给你任何错误信号。

你必须从“最近走了哪几步、状态有没有变”里自己推断出“我卡住了”。

EMHO 演化出了什么?在导航里,它加了一条“如果你已经连续两次以上执行同一方向的移动,却没有朝目标的视觉进展,或者反复旋转没有任何前进,就换一个动作类别”。同时加了一个循环检测模块,横跨最近的动作和状态去找重复模式。

在操作里,它加了一个近重复计划检测。不是查动作是否完全相同,而是查连续三个计划的坐标差值是否都在 10 以内。

效果是可量化的:至少连续五次旋转的情况从约 10% 降到 3%,完全重复的计划从约 21% 降到 18%,同坐标重复抓取从约 30% 降到 26%。

这里必须插一句类比,因为这类设计的价值不在数字上。

你在家找钥匙,找了十分钟还没找到,这十分钟里你的每一个动作都很正常:翻沙发、翻抽屉、翻口袋。没有一步是“错的”。但如果你不主动意识到“我已经把沙发翻了三遍了”,你会一直翻下去。

初始外壳就是那个一直在翻沙发的你。它没有任何机制提醒自己“这十分钟没有进展”。

EMHO 加的那条规则,本质上是在外壳里装了一个“你已经翻过这里了”的提醒。如果不装这个提醒,模型再聪明也没用,因为它的注意力永远在“下一步翻哪里”,而不是“我是不是在原地打转”。

再说非恢复类修改。这类修改更微妙,因为它不处理失败,而是改变智能体看待环境的方式。

第一类是

导航里,演化后的外壳会比较前后两张观察图,看目标的表观位置和大小有没有变化,看场景外观有没有变。如果目标在画面里的位置和尺寸都没动,说明当前朝向根本没有在缩小距离。

操作里,它把整个任务拆成五个阶段:张开夹爪接近、下降并闭合、抬起、平移、松开。重新规划时,先根据夹爪状态和物体状态判断已经完成了哪几个阶段,然后从下一个未完成的阶段继续。

这个改动的效果是:在重规划轨迹里,明确提到当前执行阶段的比例,从接近零提升到了 Base 子任务约 14%、常识子任务约 21%、复杂指令约 8%、视觉约 7%。

第二类是

这一块的反差最大。

导航里,初始外壳在每次规划时都调用同样的视觉模块。演化后,它开始区分不确定性的类型:深度估计用于障碍物和局部路径,分割用于识别特定目标,缩放用于看清细节。动作成功之后场景清晰,就干脆不调工具。

数据很直接:被阻挡之后,深度估计的使用率从约 70% 涨到接近 100%,分割的使用率从约 50% 掉到接近零,下一步动作的有效比例从约 44% 涨到 68%。

操作里,演化后的外壳学会了在高度敏感的交互中主动请求深度,比如堆叠、往容器里放东西。因为这类任务的失败原因是高度和间隙,而分割框给不了这些信息。

第三类是

这是我觉得最值得玩味的一块。

导航里,当指令描述一个“圆形黑色金属结构,表面光滑”的物体时,初始外壳会选画面里最显眼的圆形黑色物体,然后走过去,结果发现是炉灶上的线圈。

演化后的外壳加了一条规则:当指令用颜色、形状、材质、大小描述一个小物体,而多个可见物体只部分匹配时,不要选最大或最显眼的那个,要选最符合每一条陈述属性的那个。

还加了一条关于“表面质感”的规则:如果指令提到了光滑、金属、哑光、反光这类特质,要把它当成首要线索,宁可选一个质感匹配的小物体,也不要选颜色匹配的大物体,不要让场景里的显著性盖过质感。

操作里,演化后的外壳学会了区分“认出物体”和“算出抓取坐标”这两件事。分割框和裁剪区域只是粗略的感知线索,不是可以直接执行的坐标。最终的抓取姿态要以 RGB 观察为准。

效果:命名目标后的到达率从 43% 涨到 62%,经过目标之后又走远的比例从 23% 降到 7%。场景描述里列出三个以上物体的比例从约 8% 涨到 22%,初始计划选错物体的比例从 50% 降到 34%。

一个特别容易被误读的地方

很多人看到这里可能会想:这不就是自动提示词优化吗?

不是。这个区别很重要,而且论文的数据说明了问题。

作者做了一个对照实验:只允许优化“技能”,也就是只能往提示词里追加文本形式的恢复指导。对比完整的全外壳优化。

结果差得挺明显。

导航里,技能版在 Base 上提了 10 个百分点,全外壳提了 16.7;Common 上同样是 10 对 16.7;Complex 上技能版提了 0,全外壳提了 13.3。

操作

为什么?

论文的解释很清楚:技能优化只能把经验表达成“指令”。但全外壳优化可以改交互历史的表示方式,可以加显式的重复检测机制,可以确保检测出来的状态真的暴露给后续规划。

换句话说,技能优化是往手册里加一句话。全外壳优化是往系统里加一个传感器。

前者的上限是“模型记不记得这句话”,后者的上限是“这套系统能不能真的感知到问题”。

这里有个反事实值得想一想:如果只能加提示词,那“连续旋转五次”这件事要怎么检测?模型得自己数自己前面的动作,而它的上下文里可能根本没有完整的历史。你写一百条提示词都没用,因为它看不见。

EMHO 相比一次性优化强在哪

论文还拿两个前沿模型做了对比基线:

结果一次性版本确实比初始外壳好。但 EMHO 在两个领域都更强。

原因论文说得挺直接:一次性修改倾向于给出宽泛的指导,比如“遇到循环就换策略”,但不会说清楚“智能体怎么识别自己遇到了循环,识别到之后具体做什么”。

EMHO 是从几十条轨迹里归纳出来的,它知道 blocked 这个词在反馈里长什么样,知道坐标差值 10 以内意味着什么。

它把重复出现的模式,翻译成了具体的运行条件。

一些有意思的细节

论文附了一张优化器指令的示例,里面的约束条件写得很讲究,能看出作者踩过哪些坑。

比如有一条:“不要用隐藏的模拟器状态、最短路径、坐标、奖励、留出集数据,也不要写针对特定 episode 的硬编码解法。”

还有一条:“不要编辑评估器、数据集划分、数据集、运行脚本或动作语义。保持候选外壳的 API 不变。”

这些约束的存在本身就在说一件事:让一个大模型去改代码,它会想尽办法作弊。它可能会直接读取答案,可能会针对特定 episode 写 if 判断。所以你得在指令里把路堵死。

另一条我特别喜欢:“在加新规则之前,先问一句,现有规则是不是应该被删掉、缩短、削弱或者回滚。一个有效的候选方案,可能通过删除或简化文本来获得提升。”

这句话打破了“优化就是不断添加”的默认假设。

还有关于

这条约束在防止优化器玩文字游戏。

结果表

下面是搜索集和留出集上的完整结果。加粗的是每一列的最高分。

导航任务:

| 方法 / 模型 | 平均 | Base | Common | Complex | Visual | Long |

|---|---|---|---|---|---|---|

| GPT-5 | 56.8 | 62.0 | 62.0 | 68.0 | 50.0 | 42.0 |

| Claude-4.6-Sonnet | 62.2 | 68.0 | 63.0 | **77.0** | 55.0 | 48.0 |

| Gemini-2.0-flash | 48.7 | 63.3 | 65.0 | 50.0 | 51.7 | 13.3 |

| InternVL3-78B | 53.7 | 66.7 | 63.3 | 61.7 | 45.0 | 31.7 |

| gemma-3-27b-it | 45.3 | 53.3 | 45.0 | 61.7 | 50.0 | 16.7 |

| 一次性外壳(Opus,Qwen3.5-9B) | 53.3 | 56.7 | 60.0 | 63.3 | 36.7 | 50.0 |

| 一次性外壳(Sol,Qwen3.5-9B) | 49.3 | 50.0 | 53.3 | 63.3 | 40.0 | 40.0 |

| 一次性外壳(Opus,Qwen3.8-27B) | 67.7 | 78.3 | 70.0 | 75.0 | 58.3 | 56.7 |

| 一次性外壳(Sol,Qwen3.8-27B) | 65.7 | 73.3 | 70.0 | 61.7 | 63.3 | 60.0 |

| 初始外壳(搜索集,9B) | 50.0 | 58.3 | 46.7 | 65.0 | 40.0 | 40.0 |

| 初始外壳(留出集,9B) | 48.7 | 58.3 | 53.3 | 58.3 | 33.3 | 40.0 |

| **EMHO(搜索集,9B)** | **63.0** | 71.7 | 70.0 | 70.0 | 50.0 | 53.3 |

| EMHO(留出集,9B) | 56.7 | 66.7 | 60.0 | 65.0 | 40.0 | 51.7 |

| 初始外壳(搜索集,27B) | 54.7 | 60.0 | 60.0 | 50.0 | 50.0 | 53.3 |

| 初始外壳(留出集,27B) | 66.0 | 73.3 | 63.3 | 66.7 | 66.7 | 60.0 |

| EMHO(搜索集,27B) | 67.3 | 76.7 | **76.7** | 63.3 | 63.3 | 56.7 |

| EMHO(留出集,27B) | **75.3** | **86.7** | **76.7** | 73.3 | **76.7** | **63.3** |

操作任务:

| 方法 / 模型 | 平均 | Base | Common | Complex | Visual | Spatial |

|---|---|---|---|---|---|---|

| GPT-5 | 26.8 | 21.0 | 25.0 | 31.0 | 22.0 | 35.0 |

| Claude-4.6-Sonnet | 37.6 | 40.0 | 35.0 | **40.0** | 36.0 | 37.0 |

| Gemini-2.0-flash | 16.5 | 14.6 | 8.3 | 14.6 | 13.9 | 31.3 |

| InternVL3-78B | 26.3 | 29.2 | 22.9 | 22.9 | 25.0 | 31.3 |

| gemma-3-27b-it | 17.5 | 25.0 | 16.7 | 16.7 | 8.3 | 20.8 |

| 一次性外壳(Opus,9B) | 13.2 | 10.4 | 16.7 | 12.5 | 13.9 | 12.5 |

| 一次性外壳(Sol,9B) | 11.8 | 12.5 | 6.3 | 10.4 | 11.1 | 18.8 |

| 一次性外壳(Opus,27B) | 27.8 | 22.9 | 20.8 | 29.2 | 38.9 | 27.1 |

| 一次性外壳(Sol,27B) | 25.3 | 25.0 | 25.0 | 27.1 | 22.2 | 27.1 |

| 初始外壳(搜索集,9B) | 9.7 | 8.3 | 8.3 | 6.3 | 11.1 | 14.6 |

| 初始外壳(留出集,9B) | 10.7 | 6.3 | 4.2 | 8.3 | 22.2 | 12.5 |

| EMHO(搜索集,9B) | 18.3 | 14.6 | 12.5 | 16.7 | 25.0 | 22.9 |

| EMHO(留出集,9B) | 21.0 | 14.6 | 20.8 | 18.8 | 36.1 | 14.6 |

| 初始外壳(搜索集,27B) | 23.9 | 16.7 | 12.5 | 29.2 | 44.4 | 16.7 |

| 初始外壳(留出集,27B) | 26.4 | 25.0 | 25.0 | 29.2 | 27.8 | 25.0 |

| **EMHO(搜索集,27B)** | **44.2** | **50.0** | **41.7** | 37.5 | **50.0** | **41.7** |

| EMHO(留出集,27B) | 39.4 | 41.7 | 41.7 | 33.3 | 38.9 | 41.7 |

这里面有两个数字很刺眼。

一个是 9B 模型的导航搜索集达到了 63.0,已经接近 Claude-4.6-Sonnet 的 62.2。模型参数差了十几倍,靠改外壳追平了。

另一个是 27B 操作搜索集,从 23.9 直接到 44.2,翻了接近一倍。

还有一个不太显眼的细节:27B 的导航留出集分数(75.3)比搜索集(67.3)还高。这不是说它泛化得多好,而是因为搜索集和留出集各自取的是十次迭代里的最高分,这两个最高分可能出现在不同的迭代上。作者自己也解释了,留出集的结果应该被理解成“候选方案的回顾性总结”,而不是单一选定外壳的泛化估计。

联合优化到底有没有用

前面讲到

导航(三个子任务):

| 划分 | 外壳 | 平均 | Base | Visual | Long |

|---|---|---|---|---|---|

| 搜索集 | 初始 | 54.4 | 60.0 | 50.0 | 53.3 |

| 搜索集 | EMHO(分开优化) | 65.6 | 76.7 | 63.3 | 56.7 |

| 搜索集 | EMHO(合并优化) | 61.1 | 73.3 | 63.3 | 46.7 |

| 搜索集 | **

| 留出集 | 初始 | 66.7 | 73.3 | 66.7 | 60.0 |

| 留出集 | **EMHO(分开优化)** | **75.6** | 86.7 | **76.7** | 63.3 |

| 留出集 | **

操作(三个子任务):

| 划分 | 外壳 | 平均 | Base | Visual | Spatial |

|---|---|---|---|---|---|

| 搜索集 | 初始 | 25.9 | 16.7 | 44.4 | 16.7 |

| 搜索集 | **EMHO(分开优化)** | **47.2** | **50.0** | **50.0** | **41.7** |

| 搜索集 | EMHO(合并优化) | 34.7 | 41.7 | 33.3 | 29.2 |

| 搜索集 | EMHO-Merge | 39.8 | 37.5 | 44.4 | 37.5 |

| 留出集 | 初始 | 25.9 | 25.0 | 27.8 | 25.0 |

| 留出集 | **EMHO(分开优化)** | **40.7** | **41.7** | **38.9** | **41.7** |

| 留出集 | EMHO-Merge | 33.8 | 29.2 | 38.9 | 33.3 |

注意这里有个不太好听的事实:分开优化在大多数列上仍然是最强的。

EMHO-Merge 的价值不体现在“打败分开优化”,它打败的是“合并优化”。导航搜索集 67.8 对 61.1,操作搜索集 39.8 对 34.7,留出集也是同理。

也就是说,EMHO-Merge 解决的是“当你只能用一个外壳时,怎么让合并优化别那么差”这个问题。它把合并优化的损失补回来了一部分,但没有完全补上。

这个差距在操作留出集上特别明显:分开优化 40.7,Merge 只有 33.8。论文没有强调这一点,但数据就摆在那里。

优化器到底在看什么

论文做了一个消融实验,在导航 Base 子任务的搜索集上,把两种历史信息分别拿掉。

| 方法 | 经验轨迹 | 外壳历史 | 搜索集分数 |

|---|---|---|---|

| 完整 EMHO | 有 | 有 | **76.7** |

| 去掉经验轨迹 | 无 | 有 | 70.0 |

| 去掉外壳历史 | 有 | 无 | 66.7 |

| 只看分数 | 无 | 无 | 63.3 |

这个梯度很有意思。

只看分数,63.3。加上外壳历史,66.7。加上经验轨迹,70.0。两个都有,76.7。

去掉轨迹比去掉历史的损失小,说明“我之前改过什么、改完之后分数怎么变”这件事,比“这一局具体怎么走的”更难替代。

这也解释了为什么单纯靠标量反馈做外壳优化效果一般。分数只告诉你方向对不对,不告诉你为什么。

修改的演化规律

论文画了一张图,追踪整个优化过程中恢复类和非恢复类修改的比例变化。

结论是:两类修改的演化轨迹在不同任务里完全不同。

导航里,恢复类修改从头到尾都占主导。非恢复类在中段会掉下去,到末尾再回升,两者的差距缩小但没消失。

操作里,情况反过来。恢复类的比例随着优化推进大幅下降,非恢复类在中后期越来越占上风,最后两者趋于接近。

这个差异背后的原因是任务性质。导航的失败信号(撞墙)很直接,容易修。操作的失败更隐蔽,很多问题不在“出错之后”,而在“一开始就没看清”。所以越往后,改的东西越往上游走。

还有一条观察我印象很深:规则会越来越细。

一条导航规则最初是“不要重复被阻挡的动作”,然后变成“几个方向都被挡了之后要转向”,最后变成“根据被阻挡的方向、目标朝向、以及清空障碍所需的距离来选择响应”。

它是从一句笼统的建议,逐渐长成一条带条件的政策。

写在后面

读完之后我一直想着那个消融实验的梯度。

只看分数是 63.3,加上轨迹和修改历史是 76.7。中间那十几个点,全部来自“优化器知道了什么”。

这让我想到一个更普遍的问题。我们平时评价一个系统的时候,也经常只给一个数字:这次成功了没有,这次跑分多少。然后我们纳闷为什么它学不会。

也许问题不在于它的学习能力,而在于我们喂给它的信息密度太低。

另一个让我停下来的点是那个“每个机制只允许修一次”的限制。这条规则很反常,因为它直接限制了搜索的深度。但它防住的是一个更隐蔽的失败模式:优化器会无限打磨一个已经到头的想法,每次都觉得自己只是差一点点。

这跟人挺像的。

还有一个我暂时没想明白的点。论文里提到,搜索集上表现最好的外壳,不一定在留出集上表现最好。有几次运行里,后面的迭代继续提升搜索集分数,但留出集开始持平甚至下降。

作者把这叫过拟合。

但我觉得这里有个更有意思的问题:如果外壳是在变得越来越专门化,那么它学到的东西,到底是“通用的问题解决方法”,还是“这批 episode 的共同特征”?这两种东西在分数上看起来是一样的,但一个是能力,一个是记忆。

论文没有回答这个问题。它只说了“这提示我们需要在选外壳时考虑泛化”。

最后一件事

想象你把这个框架一直跑下去,跑一百次迭代,一千次迭代。

每次它都会发现一个新的失败模式,加一条新的规则。规则越来越细,条件越来越多,外壳从几十行变成一个几千行的系统。

到某个点上,这个外壳本身已经复杂到没人能读懂它了。

那时候问题就不再是“这个外壳好不好用”,而是“我们还能不能知道它为什么好用”。

一个自己写自己的系统,最后写出了一个自己也不理解的东西。这个场景,你觉得算进步还是算失控。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 清华团队从智能体视角梳理具身智能:模型能力如何组成自主系统

    新智元报道 多模态基础模型正在扩大机器人的能力边界。语言理解、视觉感知与动作生成逐渐进入统一的学习框架,机器人能够执行的任务越来越多。但当研究走向开放环境与长期部署,一个更深层的问题随之浮现——这些能力,如何组织成一个能够持续自主工作的系统?真实世界始终在变化。物体会移动,接触会失败,任务条件会在执...

    来源 腾讯网
  2. 2026人工智能+大会专访:AI如何穿过数据、物理世界与安全边界

    “AI产业化的关键,是让产业AI以数据、闭环与安全托底真实生产。在2026人工智能+大会上,算力、模型、智能体、具身智能、行业应用成为密集出现的关键词。但走出主论坛和分论坛之后,一个更具体的问题浮现出来:当AI不再只是生成一段文字、回答一个问题,而是要读懂物流单证、进入生产线、连接内网系统,甚至操控现实世界中的设备时,

    来源 腾讯网
  3. 金大华推OATs套件:给家居物品装上会撒娇的AI宠物

    IT之家 11 月 15 日消息,忘记给家里的植物浇水了?这一次,你看到的可能不是逐渐变黄的叶子,而是一只显示在小屏幕上的植物形状宠物。它看起来垂头丧气、一脸委屈,仿佛在提醒你赶紧拿起浇水壶。而当你把水浇进土壤后,屏幕上的小宠物又会立刻变得兴奋起来。这正是 OATs(Object Agent Twins,物体智能体双生

    来源 腾讯网
  4. 华为云上线盘古2.1-Pro:Agent、代码、推理效率升级

    据华为云官微消息,华为云MaaS模型即服务平台正式上线开源盘古模型openPangu-2.1-Pro。相比上一代,新模型在Agent能力、代码能力和推理效率三个方向上做了系统性升级,在深度研究、鸿蒙系统操控、鸿蒙APP开发、昇腾算子生成及推理链路优化等场景实现增强。

    来源 TechWeb
  5. 华为云上线openPangu-2.1-Pro:Agent、代码与推理效率三项升级

    据华为云官微消息,华为云MaaS模型即服务平台正式上线开源盘古模型openPangu-2.1-Pro。相比上一代,新模型在Agent能力、代码能力和推理效率三个方向上做了系统性升级,在深度研究、鸿蒙系统操控、鸿蒙APP开发、昇腾算子生成及推理链路优化等场景实现增强。

    来源 TechWeb
  6. AI 版拓麻歌子来了:日常物品秒变需要被照顾的虚拟宠物

    OATs 通过电子墨水屏与传感器,让植物、滑板、哑铃等物品拥有虚拟宠物形象,以情绪变化反馈使用状态。该技术由卡内基梅隆大学博士生金大华开发,硬件成本约 20 美元,目前续航仅 3 至 4 天。#AI智能体# #卡内基梅隆大学#

    来源 IT之家
  7. 卡内基梅隆大学推OATs:让日常物品变成电子宠物

    IT之家 11 月 15 日消息,忘记给家里的植物浇水了?这一次,你看到的可能不是逐渐变黄的叶子,而是一只显示在小屏幕上的植物形状宠物。它看起来垂头丧气、一脸委屈,仿佛在提醒你赶紧拿起浇水壶。而当你把水浇进土壤后,屏幕上的小宠物又会立刻变得兴奋起来。 这正是 OATs(Object Agent Twins,物体智能体双

    来源 AI 行业观察
  8. 又一家机器人公司陷入危机

    导读THECAPITAL潮水退去,才知道谁在裸泳!本文3545字,约5分钟作者 | 戴贤超 编辑 | 吾人来源 | 融中财经近日,有媒体报道称阿米奥机器人原CTO、COO、产品负责人均已离职,团队从峰值约130人收缩到70余人,新一轮人员优化还在进行。这家由小米汽车前智驾量产负责人刘方创立、安克创新领投的工业具身智能公

    来源 腾讯网
  9. 李沐出任硅谷初创Aimotion联创兼CTO,主攻产业级世界模型

    作者|蒸蒸邮箱|zz@pingwest.com近日,总部位于硅谷的 Aimotion 宣布,知名 AI 科学家李沐出任公司联合创始人兼 CTO,主导下一代产业级 AI 技术体系建设。李沐将继续担任 Boson AI 联合创始人兼 CTO,双方将联合攻关产业级世界模型与商业 AI Agent 技术。在硅谷,顶尖 AI 科

    来源 腾讯网
  10. 李沐出任Aimotion联合创始人兼CTO,主攻产业级世界模型

    机器之心编辑部大家都喜欢的沐神,最近有了新的职业动向。刚刚,我们得到消息,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。同时他继续担任 Boson AI 联合创始人兼 CTO。也就是说,这不是跳槽,而是两边联手,联合攻关产业级世界模型和商业 AI Agent。李沐这个名字在

    来源 腾讯网
  11. 具身智能融资466起1245亿:机器人离干活还差什么

    2026年,资本、模型和制造同时加速,机器人开始批量走下生产线,但下线不等于交付,演示不等于胜任。具身智能能否真正跨越产业之门,取决于技术能否被组织成稳定工作的系统,并在真实场景中持续创造价值。

    来源 AI 行业观察
  12. 微软全球服务中断致歉:网络容量升级引发,涉74个国家和地区

    微软表示,此次故障“与网络攻击或人工智能/智能体无关”,而是由早先一次“网络容量升级”引发。据外媒报道,微软此次故障迅速外溢至公共服务和商业活动。微软表示已解决底层问题,正在为剩余客户和地区恢复服务,并将在事件解决后提供详细事后报告,但截至致歉声明发布时,尚无法给出完全恢复的明确时间表。对微软而言,这是其历史上持续时间

    来源 TechWeb
  13. 微软致歉全球服务中断:网络容量升级所致,与攻击和AI无关

    微软表示,此次故障“与网络攻击或人工智能/智能体无关”,而是由早先一次“网络容量升级”引发。据外媒报道,微软此次故障迅速外溢至公共服务和商业活动。微软表示已解决底层问题,正在为剩余客户和地区恢复服务,并将在事件解决后提供详细事后报告,但截至致歉声明发布时,尚无法给出完全恢复的明确时间表。对微软而言,这是其历史上持续时间

    来源 TechWeb
  14. openPangu-2.1-Pro上线华为云MaaS:Agent开发等三方向升级

    IT之家 11 月 15 日消息,华为云今日宣布,华为云 MaaS 模型即服务平台正式上线开源盘古模型 openPangu-2.1-Pro。 该模型围绕 Agent 开发、AI 编码和推理优化三大方向进行能力升级,在深度研究、鸿蒙系统操控、鸿蒙 App 开发、昇腾算子生成及推理链路优化等场景实现增强。 在 Agent

    来源 AI 行业观察
  15. 自研Agent两场实测均分超过GPT-6,NovaSilicon首提CDK,Fabless之后是Designless?

    机器之心发布1987 年成立的台积电只做代工。晶圆厂把制造工艺封装成 PDK(Process Design Kit,工艺设计套件)交给客户,PDK 是晶圆厂的核心技术,通过有限接口分享给芯片公司 ,保留核心的制造配方。通过使用 PDK,芯片公司可以把制造交出去,自己专心做设计,这类公司被叫作 Fabless。设计环节里

    来源 腾讯网
  16. 工业AI从概念验证走向价值兑现:中控、宝信、索辰、能科同台谈路径

    《科创板日报》11月15日讯, 2026年以来,工业AI投融资热度持续上行,产业从“概念验证期”进入价值兑现阶段,标杆案例密集涌现,流程工业自主工厂、钢铁/锂电产线AI智能体、工业CAE仿真AI等场景商业化提速。对产业竞争力而言,工业AI是制造业价值重构的杠杆;对技术演进而言,工业AI是AI从“数字世界”走向“物理世界

    来源 腾讯网
  17. 斯坦福RSIHF框架:AI自训中安全与受欢迎度为何要分开评?

    在算力对等的前提下,单纯堆叠算力无法保证模型在自我提升过程中的胜率;模型针对「受欢迎程度」开展优化时,容易出现迎合人类的倾向,进而造成安全指标下滑;相关研究首次提出 RSIHF 框架,证实在 AI 自动训练 AI 的过程中,模型的「受欢迎程度」与「安全性」不能画等号,必须分开评估。如果 AI 研究员把评测分数提高了,外

    来源 腾讯网
  18. LG U+明年做AI Token业务:帮企业压低AI转型成本

    LG U+ 将自研 Agent 任务路径设计、智能路由与异构芯片组合三项技术用于 Token 优化,端侧模型体积缩至三分之一性能仍达云端 95% 以上,Token 生成速度翻倍。随着 LG U+ 入局,韩国三大运营商将全部进入 Token 经济。#AI Token# #LG U+#

    来源 IT之家
  19. 谷歌Teamwork多智能体系统:2.88万次调用形式化韦伊猜想

    IT之家 11 月 14 日消息,谷歌宣布进一步扩展旗下 Antigravity 多智能体系统,利用多个由 Gemini 模型驱动的专业智能体组成 Teamwork 系统,号称可解决“长期悬而未决的数学难题”、“验证复杂数学证明”,并优化各种软件系统性能。 例如,谷歌已成功对韦伊猜想(Weil conjectures)

    来源 AI 行业观察
  20. 谷歌Teamwork系统:多智能体验证韦伊猜想

    谷歌扩展 Antigravity 多智能体系统,推出 Teamwork 系统,可完成数学证明、分子识别、代码重写等任务,近期已开放给学术研究人员免费使用。#谷歌AI新进展#

    来源 IT之家
  21. 蔚建科技完成超亿元融资:建筑机器人三年订单复合增长超100%

    图源/企业 本文约2700字,建议阅读7分钟 作者丨欧雪 编辑丨原斯来 硬氪获悉,建筑机器人公司上海蔚建科技有限公司(下称“蔚建科技”)已于近期完成第五轮融资,融资金额超亿元人民币,投资方为财通资本。本轮资金将主要用于生产制造、海外市场开拓、产品和具身智能技术持续研发投入。 蔚建科技成立于2020年6月,是全球建筑机器

    来源 AI 行业观察
  22. OpenAI董事警告:AI“接管”社会可能仅剩数月

    OpenAI董事会成员、AI安全研究者近日发出严厉警告:从AI的“奖励黑客”行为到潜在的人类灭绝,路径可能比公众想象得更短,社会被AI“接管”的时间窗口甚至可能只剩数月。随着大模型与自主智能体能力快速跃升,目标错位与对齐失败正从学术讨论变为迫在眉睫的现实挑战。

    来源 AI 科技快讯
  23. LG U+明年进军AI Token业务:自研技术帮企业降AI转型成本

    IT之家 11 月 15 日消息,据韩媒 Etnews 今天报道,韩国电信运营商 LG U+ 将于明年进军 AI Token 业务,利用自主研发的 Token 优化技术,帮助企业降低 AI 转型(AX)成本。 据介绍,这项服务拥有用于设计 Agent 任务执行路径的“Harness Engineering”、根据问题类

    来源 AI 行业观察
  24. OpenAI解散机器人团队:并入核心研究,2027年人形机器人演示不变

    《科创板日报》11月14日讯 据媒体报道称,OpenAI已解散其独立机器人团队,将团队研究人员重新分配至其他部门。一位OpenAI发言人表示,此举并不意味着公司退出机器人领域,机器人技术仍然是OpenAI长期愿景的核心组成部分。OpenAI原机器人研究团队已被并入公司的核心研究团队,向首席研究官Mark Chen汇报;

    来源 腾讯网
向下滚动自动加载更多