机器人动作系统正在围绕可复用的控制基础设施构建
4 月 6 日最强的内容是具身控制方法，它们让机器人动作系统更容易构建、更容易调控，也更不容易失效。最清楚的证据来自 Veo-Act、StarVLA 和 E-VLA：视频预测被用于高层规划，VLA 代码库正在标准化，事件感知正在改善低光和模糊条件下的操控。当天也有评测工具和更快的机器人强化学习工作，但最扎实的主题是围绕动作的实用控制基础设施。
主题概况
Evaluation
机器人策略部署升级
这一天的机器人动作工作指向三个现在就能做的具体改动：在视频规划和反应控制之间加一层切换；把事件相机当成 VLA 在低光和模糊条件下的部署修复；标准化策略评测，这样每次改骨干或动作头时都不用重写整套栈。前两项有最清楚的任务级证据。第三项更像工作流建设，但落地理由也很具体。
软件智能体研究正收紧到可执行证据和控制循环上
本周的软件智能体研究在“结论能否通过执行和明确控制来检验”这一点上最有说服力。重心很务实：更严格的评估、更紧的上下文与权限边界，以及更强地使用编译器、测试和运行时信号。ProdCodeBench、SWE-STEPS 和 Squeez 很能体现这种重点。
可执行的 agent 工作流基准
本周指向了 coding agent 工作流中的三个实际改动：用真实生产会话搭建离线回放基准，在 agent 循环中加入工具输出裁剪以减少重复上下文加载，以及按相互依赖的 PR 序列来评估 agent，而不是一次只看一个任务。这三个方向都依赖可执行的检查方式，例如稳定测试、保留的仓库状态，以及可测量的 token 或延迟变化。
编码代理研究正变得更难作弊，也更容易验证
这一阶段最强的内容集中在那些要面对真实状态、真实失败模式和真实执行后果的编码代理上。SWE-STEPS 和 ABTest 让评估更具体。GrandCode 给出一个醒目的现场结果，而 IndustryCode 用更难的工业任务把上限拉回到现实。当前重点更少放在一次性补丁是否成功，更集中在代理能否在时间、工具和仓库历史中保持稳定。
仓库代理安全门
代码代理评估正在转向真实仓库状态、真实用户失败轨迹和真实扩展安全检查。眼下最明确的近期开销变化，是基于支持失败构建内部回放套件、带仓库健康评分的有状态 pull request 序列基准，以及在第三方技能接触开发者机器或 CI 之前设置隔离步骤。
软件代理研究对信号、证据和风险的要求更严了
这段时间最强的主题，是对软件代理的控制更紧了：训练用更干净的轨迹，评估用更好的日志，现实仓库和真实工作区里的代理行为也接受更难的测试。证据比标题党更务实。STITCH 说明更少但更有价值的轨迹能带来很大收益，而 GitHub 规模研究和安全研究把长期代码 churn 和 prompt injection 风险放到前台。
Agent workflow observability
这段时间的软件代理工作指向三项马上能做的流程改动：跟踪代理代码在合并后是否还能保留，发布可复用的运行包用于评估和训练，并把不可信内容隔离当作代理安全的一部分。共同点是更清楚地看到代理做了什么、保住了什么，以及周边脚手架允许了什么。