🤖具身智能与机器人
量子位 · 2026-10-12
华为诺亚方舟实验室联合 UCL 等团队推出具备自我改进（RSI）能力的智能体系统 Memento 3，通关 ARC-AGI-3 公开集全部 25 款游戏、183 个关卡。系统仅使用 7518 次操作，较人类的 17135 次减少约 56%，取得 RHAE 满分成绩，展示了智能体在交互中持续自我演化的潜力。
RSI华为智能体
机器之心 · 2026-10-12
跨维智能（DexForce）发布机器人任务原生 3D 世界模型 UNITAS，旨在让机器人获得"物理直觉"，在多项基准榜单上取得领先。该工作将世界模型的构建目标从视觉真实性转向任务可用性，为物理 AI 提供了新的基础设施。
世界模型物理AI跨维智能
机器之心 · 2026-10-12
北京大学董豪团队联合启元机器人、西安交通大学等提出 HIL-UMI 方法，将策略薄弱环节的发现过程前置到人类手持夹爪的示范阶段：模型同步预测自身动作并与人类示范比对，据此定向采集补充数据，无需机器人实际运行即可完成针对性训练，显著降低数据采集成本。
具身智能数据采集北大
机器之心 · 2026-10-12
新加坡南洋理工大学提出 RoboFoundry 系统，将具身智能研究从单一模型优化扩展到系统层面，使机器人能够在系统框架支持下实现自主进化，标志着具身智能研究正从算法竞争走向系统工程竞争。
具身智能RoboFoundryNTU
机器之心 · 2026-10-12
PhAI Labs 发布 RSI-Anything，探索通用递归自我改进（RSI）路径，尝试将自我改进机制从特定任务推广至更通用的智能系统，与华为 Memento 3 等近期工作共同表明 RSI 正成为智能体研究的重要方向。
RSI自我进化PhAI Labs
📝 编辑点评
10 月 12 日的中文 AI 舆论场呈现三条清晰主线。其一，推理效率竞争白热化：智谱 GLM-5.3-Highspeed 以 490 tokens/s 的速度表明，前沿模型竞争正从能力榜单转向吞吐与成本指标，这直接决定 Agent 应用的商业可行性。其二，递归自我改进（RSI）成为智能体研究的显性方向：华为 Memento 3 以少于人类 56% 的操作量通关 ARC-AGI-3，PhAI Labs 的 RSI-Anything 则尝试将其推广至通用场景，"边做边学"正从概念走向可复现的工程系统。其三，资本向物理 AI 高度集中：前三季度近 480 亿美元融资叠加模思智能超 10 亿元 Pre-A 轮，显示市场对"AI 进入物理世界"的押注已进入兑现期。世界模型与具身数据采集方法的密集进展，正在为这一轮资本叙事提供技术支撑。