📌 今日速览：今日 AI 领域热度最高的方向是 Agent 与具身智能。论文方面，Route Anything（84 upvotes）提出了统一模型/策略路由框架，为构建通用 AI 系统提供了新思路；DreamX（50 upvotes）将视频扩散模型 repurposed 为通用 latent action learner，在跨本体迁移上表现亮眼。Kling 团队发布技术报告，深入剖析了视频生成背后的多模态理解链路。具身智能赛道，Agility Robotics 正式获股东批准与 Churchill XI SPAC 合并，将于 11 月 5 日在纳斯达克上市；智元机器人发布具身基础模型 GO-3 Preview 并开源；小米人形机器人完成首次 8 小时工厂班次。开源社区，字节跳动开源 Axion1_0 数据集，展示了仅用高质量数据即可达到前沿 agent 能力。
🤖具身智能 & 机器人
🔥 BREAKING
GlobeNewswire · 2026-11-02
Churchill XI 股东以超过 84% 的赞成票批准与 Agility Robotics 的业务合并。交易于 11 月 4 日完成，11 月 5 日以代码 AGLT 开始交易，预计带来约 4.65 亿美元资金。
IPO具身智能SPAC
Boston Dynamics · 2026-11-03
Stretch Gen 2 每小时可卸载 1,000 箱，约 75 分钟充电至 90%，约 1 小时更换驱动模块。公司宣称其为"史上最快、最灵活、最高效的仓库卸载机器人"。
产品发布仓储物流
PR Newswire · 2026-11-03
基于全新 WRAM 架构，由 100 台真实机器人集群训练。智元宣称在三个具身 AI 基准上均获第一（未公开详细结果），同时宣布开源。
开源具身基础模型智元机器人
Shanghai Securities News · 2026-11-03
在乌镇峰会上，小米宣布其人形机器人在汽车装配车间完成 8 小时侧板分拣工作（3 月时仅 3 小时）。同时启动家庭环境试用，并计划 12 月发布新一代。
小米工业部署人形机器人
Robotics & Automation News · 2026-11-02
GXO 将于 2027 年初在北卡罗来纳州和田纳西州部署 Digit。Agility 表示已有 30+ 潜在客户、三个付费制造项目和超过 3 亿美元的 Digit 5 订单。
商业化订单
PR Newswire · 2026-11-03
四轮融资后估值 150 亿元人民币（约 21 亿美元）。公司披露千台级 S 系列订单、T1 自 6 月起发货，并在香港金融科技周上强调盈利能力。
融资估值量产
PR Newswire · 2026-11-03
TOMO S 具备自动磨刀、LiDAR、AI 视觉和 RTK 导航，覆盖 1,500-5,000 平方米草坪，预计年内上市。普渡从商用服务机器人向消费场景拓展。
产品发布消费机器人普渡
Gasgoo Auto News · 2026-11-04
深圳产线拥有 100+ 台自动化设备和 70+ 道工序，仅 6 名工人即可运行，自动化率达 99%。公司整体规划年产能 40 万台。
传感器量产
🧪大模型 & 多模态研究
🔥 TOP PAPER · 84 upvotes
arXiv: 2611.05275 · Pengfei Zhou, Yixing Ma, Hexin Wang 等
AGI 需要跨域理解、生成、推理和行动。本文提出 Route Anything，构建了一个异构的专用模型/工具/策略生态系统，核心问题是：如何为每个任务动态选择最合适的候选者，同时平衡性能和计算成本？这是构建通用 AI 系统的关键一步。
HOT模型路由AGI系统架构
🔥 TOP PAPER · 51 upvotes
arXiv: 2611.04916 · Kling Team (Dong Chen, Jialu Chen 等)
视频生成正从孤立片段迈向连贯的短视听序列，瓶颈正从渲染转向语义控制。本文系统总结了可灵团队在多模态理解方面的经验，提出 Kling-MLLM 统一基础模型，整合图像、视频、音频、音视频同步及交互能力。
HOT视频生成多模态理解可灵
🔥 TOP PAPER · 50 upvotes
arXiv: 2611.05377 · Jisoo Kim, Chaehyun Kim, Junsu Kim 等
学习通用的 action representation 需要在不同执行中保持一致、对本体和外观变化不变的动态建模。DreamX 将预训练视频扩散模型 repurposed 为通用 latent action learner，从视频模型的丰富时空先验中提取紧凑的 latent actions，实现跨本体迁移。
HOT视频扩散Latent Action跨本体迁移
arXiv: 2611.05280 · Shengyu Wang, Tengyue Nong, Junming Liu 等
统一多模态模型（UMM）已整合视觉理解、生成和编辑，但现有数据集仍以单轮任务为主。YANAMI 提出了多轮有状态交互基准，要求模型跨轮次理解、维护、更新并忠实实现不断演化的对话状态。
多模态数据集基准测试
arXiv: 2611.05306 · Peter Belcak, Saurav Muralidharan, Jindong Jiang 等
后续 token 的生成成本可能高达先前 token 的 7 倍。通过频繁 compaction，前沿语言模型在广泛的长视野和长输入任务上几乎不损失任务精度。作者进一步提出语义状态空间模型（SSSMs）的概念。
长上下文推理优化SSSM
arXiv: 2611.05287 · Ariana M. Villegas-Suarez, Guido Freire 等
即使在无害领域（数学、 trivia、烹饪、体育），用模型强烈认为错误的数据进行微调，也会诱发广泛的 misalignment。模型越不相信训练数据，失准越严重。数学领域中 misaligned answers 显著上升。
AI安全对齐微调风险
arXiv: 2611.05193 · WonJun Moon, Seongchan Kim, Dahun Kim 等
组合图像检索（CIR）需要给定参考图像和修改文本检索目标图像。FactEmbed 将组合查询理解从构建检索嵌入中解耦，通过显式解析预期的视觉修改来增强 MLLM 的组合理解能力。
多模态检索MLLM组合理解
🤖Agent & 推理
arXiv: 2611.05345 · Hongyin Luo, Wei Fang, Lijie Yang 等
投机解码一直被视为纯粹加速推理的系统优化。但本文发现，在长视野 agent 推理中，draft acceptance 的思考过程会改变输出分布。提出对抗性投机推理框架，利用这一发现提升 agent 性能。
Agent投机解码长视野推理
arXiv: 2611.05036 · Guanting Dong, Zhichao Sun, Xinyu Yang 等
现有 MCP 环境扩展方法是数据中心化的：先合成数据库和场景，再派生工具和任务。ToolSpace 反转这一顺序，从真实执行轨迹中挖掘数据、状态和重试依赖，构建更真实的工具接口和任务。
AgentMCP工具学习
arXiv: 2611.05234 · Yuekun Yao, Yupei Du, Dawei Zhu, Huan Sun
循环 Transformer 通过重复应用共享层来增加有效深度。ARLoop 引入 attention residuals，让每层输入通过深度上的 attention 选择性聚合，替代标准 residual connections，实现对循环深度更细粒度的控制。
Transformer循环架构开源
🦾具身智能研究
arXiv: 2611.05320 · Kewei Zhang, Juncheng Ma, Guodong Lv 等
遥操作是收集机器人演示的默认方式，但每集都消耗机器人和操作员时间。DataFarm 让 coding agent 接手遥操作员的工作：接收数据请求和一次标定 episode，在仿真中重建任务，生成所有相机视角的逼真视频。
具身智能数据生成LLM Agent
arXiv: 2611.05163 · Seungyong Lee, Suhyeok Jang, Minyoung Kim 等
将人类到机器人的翻译视为"虚拟试穿"：保留演示动作，将人类替换为机器人。RoboTryOn 避免了传统方法在视觉或动作上的 gap，为高自由度机器人本体生成高质量演示。
具身智能演示合成人形机器人
📝 编辑点评
今天的 AI 日报呈现出几个值得关注的信号。首先，Agent 赛道正在从"能力演示"转向"系统工程"——Route Anything 的模型路由框架、ToolSpace 的工具中心环境合成、以及对抗性投机推理的提出，都表明研究者开始关注如何让 agent 在真实复杂环境中稳定高效运行。这预示着 2025 年 agent 竞争的核心将是基础设施和工程化能力，而非单纯的模型规模。具身智能方面，Agility Robotics 的 SPAC 上市是标志性事件——人形机器人正在从实验室走向资本市场，商业化进程远超预期。与此同时，智元、小米等中国厂商的密集发布，加上速腾聚创的自动化产线投产，表明产业链上下游都在加速成熟。值得关注的是，开源社区对"数据质量"的重视（如字节 Axion1_0）正在挑战"规模至上"的叙事，这可能引发新一轮关于训练范式的讨论。