Turn arXiv, Hacker News, OpenReview, Hugging Face Daily Papers, and RSS into publishable research briefs that stay local first.
本周最清楚的变化是：代理研究继续升温，但真正推进的不是“更像助手”，而是“更像可测试、可治理的工程系统”。代码代理、评测、MCP基础设施和执行层治理几条线开始互相连上。代码侧，研究从单次补全转向过程学习。SWE-Fuse、UnderstandingbyReconstruction、ExecVerify这类工作都在强调训练轨迹、步骤奖励和调试过程本身。
本周机器人研究的共识更清晰了：VLA不再只追求更大，而是补齐数据、恢复、感知和部署这几块最影响落地的短板。一条最强主线是闭环造数。Seed2Scale说明，具身数据不必持续重度依赖人工示教。随后RADAR、RoboClaw进一步把任务生成、执行、验证和复位并入系统流程，意味着“收数据”本身正在变成自动化能力，而不是训练前的人力准备。第二条主线是VLA增强重心后移。本周有效的方法不只来自预训练。
今天的研究更少谈“代理会不会做”，更多谈“怎样让它更可靠地做”。重点集中在三件事：更深的调试、更精的工具路由，以及把结构化约束重新接回真实任务。首先，代理式编码进入更细的协作层。TrustOverFear给出较强实证：同样是ClaudeSonnet4，只改系统提示的动机框架，信任式NoPUA在9个真实调试场景里发现隐藏问题51vs32，调查步骤42vs23，而恐惧式PUA没有显著收益。
今天的机器人论文很集中：VLA继续升温，但重点不只是更大会说，而是更会看、更会并行、也更接近真实部署。最强信号来自主动感知。VLA-Thinker不再把图像当成一次性上下文，而是允许模型在推理中再次查看局部区域。这个改动很直接，但效果很强：在LIBERO上做到97.5%，比OpenVLA-OFT高6.5个百分点；在Long子集高10.4个百分点，说明它主要补上了长时程过程里的消歧和纠错。
本周可形成高置信机会的方向主要集中在四类：闭环数据采集与复位系统、运行时主动感知模块、异常检测与恢复中间层、不改权重的VLA部署优化层。共同的“为什么是现在”在于：这些方向都不再停留在单篇论文里的点状技巧，而是开始出现可拼装的系统部件，且已有明确的效率、延迟或成功率证据。相比继续追逐更大主模型，这些更接近真实团队会采购或内部立项的工程缺口。
本周更值得做的机会集中在控制面补齐，而不是再造一个更聪明的代理。证据比较扎实的方向有三类：一是把真实 PR 评测、噪声约束和 MCP 工具筛选结合起来，做代码审查代理的上线决策与路由控制；二是把 MCP 浏览器、人工接管和可验证证据链结合起来，做可审计的授权网页自动化；三是把工具最小暴露与命令执行拦截结合起来，做面向代码或运维代理的执行策略网关。以上想法都直接对应本周新出现或明显升温的能力拼图，且各自都有明确的第一批用户与可执行验证步骤…
基于趋势包与本地语料核验，本期可以提炼出4个较强的 why-now 机会，集中在两类：一类是把研究增益转成部署层产品或基础设施，另一类是把过去过重、过依赖oracle的方案压缩成可上线的窄场景系统。 最明确的机会有两个：一是把主动感知做成执行期能力，而不是训练期口号；二是把触觉做成后训练适配层，而不是重新训练多模态大模型。两者共同特点是：已经出现了足够清晰的技术拐点，并且收益指标直接对应真实采购方关心的成功率、节拍、力控制和单卡部署约束…
基于趋势快照与局部语料核验，我保留了 4 个“why now”机会，集中在四个明确变化点： 代理调试已出现可测的深度差异，而人的过程审查却在下降，因此适合做强制保留调查轨迹的人机协作层。 工具选择开始从模型内部能力外溢为独立基础设施层，服务器侧 gating 与历史反馈重排序可以组合成可部署的路由控制面。 低资源代码与异构多跳任务都显示，外部结构、约束和验证比继续堆上下文更有效，因此适合做面向特定迁移任务的结构化工作台。 LLM…