AI 动态速报 — 2026-08-17

点击查看原文>

点击查看原文>

8月17日，具身智能初创公司共生知行（Symbiosis Robotics）发布双足人形机器人驾驶卡丁车Demo，官方网站同步上线。这是公司成立后首次较为完整地对外展示技术方向和阶段性研发成果。 公开视频中，人形机器人进入卡丁车驾驶位，双手接触方向盘、双脚进入踏板区域，并在封闭赛道上完成车辆行驶。驾驶不是单一动作：机器人需要根据环境调整方向，在狭窄座舱中保持稳定，并协调手部转向与脚部油门、刹车控制。 共生知行将这段赛车Demo定义为一次面向全身智能的综合测试。“卡丁车不是应用本身，而是一场全身智能压力测试。”卡丁车并非其商业应用方向，公司希望借这一场景，把视觉感知、多接触点平衡、手眼脚协同和精细力控放进同一条连续任务链，检验机器人能否像人一样调动全身完成复杂物理交互。 当前公开展示多聚焦行走、奔跑等运动能力，或固定位置的上肢抓取。前者考验本体和运控，后者考验视觉与机械臂操作；一旦需要同时保持平衡、理解环境并连续操作，模型、运控和硬件耦合显著增加。这正是人形机器人从“能运动”走向“能完成任务”的难点。 围绕这一问题，共生知行将自身定位为面向双足人形机器人的全身智能基座模型公司，探索从视觉

点击查看原文>

A 3 B 2 自适应非对称适配器，诠释大模型微调的“克制”艺术。 作者丨 张 璐 编辑丨 幸丽娟 在视觉语言大模型（VLM）落地少样本迁移任务时，高效参数微调（PEFT）是大家普遍采用的低成本方案。 然而，业界长期存在一个惯性思维：既然是做图像分类，给图像编码器多挂几个 Adapter、多做微调，模型理应能看懂更多视觉细节。 但现实却演化出一个尴尬的矛盾：在面对未知的现实场景（域外数据/OOD）时，在图像编码器上微调得越激进，模型的泛化能力反而破坏得越惨烈。 预训练大模型原本拥有一双看懂万物的“好眼睛”，强行局部微调反而把它“改近视了”。 这一矛盾引发了研究者的反思：在 VLM 微调中微调中，我们是否一定要死板地对称更新双塔？浙江大学陈静远教授课题组与斯旺西大学的联合团队提出了一个全新的方案—— （自适应非对称适配器）。 它放弃了对图像分支的硬性微调，而是引

混合专家 (Mixture-of-Experts, MoE) 架构通过稀疏激活在大规模扩展大语言模型 (large language models, LLMs) 的同时保持计算效率。尽管 MoE 架构已被广泛采用，但各 MoE 层的相对重要性仍未得到充分表征，特别是在模型压缩 (model compression) 领域。本文对 Qwen3.6-35B-A3B 模型（40 层 MoE，每层 256 个 experts，top-8 路由）进行了系统性的层-wise 敏感度分析 (layer-wise sensitivity analysis) usi

arXiv:2608.13564v1 公告类型：新 摘要：在规模化评估语言模型智能体（language-model agents）时，越来越依赖第二个语言模型作为自动评判器，因为黄金信号（gold signal），即可执行环境奖励（executable environment reward），在部署时成本高昂、速度缓慢或不可用。这种评判器是一个无奖励的代理（reward-free proxy），其价值取决于是否可以信任，然而现有的评判器要么手工编写评分标准（scoring rubric），如G-Eval，要么微调评判器的权重，而这两种方法都倾向于给流畅但

同一集群，33个百分点更高的利用率：改变的是顺序

点击查看原文>

点击查看原文>

HTML也能人机协同编辑了。（雷峰网） 作者丨李娜 编辑丨岑峰 仅仅十几秒，我就用WorkBuddy最新的功能做出了一个网页，并直接发布成了可以分享的公网链接，任何人都能访问。 这次WorkBuddy升级“资料库”之后，普通用户不需要写代码，也不用自己处理复杂部署，就能用自然语言生成、编辑和发布HTML页面。网页做出来这件事，已经变得非常简单。 但“十几秒做出一个网页”只是第一步。为了看看普通人到底能把它用到什么程度，我先从自己积累多年的书影音记录下手，做了一个可以不断扩展的网页版世界地图。 01 我做了一个书影音世界地图网站 世界很远，很多时候我们却只能困在当下的工作和琐事里。真正把人带到远方的，往往是书和电影。 （零散的书影记录） 我的阅读和观影记录散落在不同App里，零散、静态，彼此也没有什么关联。这些工具很擅长告诉我“看过什么”，却很难回答另一个问题：这

AI 正在重塑网络安全领域的攻击者和防御者。了解 OpenAI 如何加强其防御措施，以及安全团队现在可以做什么。

OpenAI 加入 PORTS-Pike 项目，扩大社区投资并支持俄亥俄州南部数千个工作岗位