机器人 VLA 论文正在转向基于 rollout 的可靠性
机器人视觉-语言-动作（VLA）研究正聚焦于真实操作证据：开放 rollout、部署检查和安全指标。ABC 让行为克隆更容易复现。E-TTS 加入推理时候选打分。ForesightSafety-VLA 在完整轨迹中评估不安全成功。
主题概况
Test Time Scaling
机器人 Rollout 决策检查
机器人团队现在可以在总体任务成功率之外，用更多检查来做部署决策。具体改动包括：用 commissioning rollout 在冻结专家中做选择，为 VLA 执行加上候选打分和物理可行性检查，并在 rollout 评审中加入不安全成功指标。
编码代理的进展来自更严格地控制轨迹、成本和环境
这个时期的重点是编码代理通过压缩证据、尽早剪掉薄弱轨迹、并在更难环境里自测来提升。最强的论文是 Scaling Test-Time Compute for Agentic Coding、LinuxArena 和 Argus。放在一起看，它们给出一个直接判断：进展来自更严格地控制代理保留什么、复用什么、以及允许它做什么，并且已经在 SWE 任务、运维基准和底层 kernel 工作上看到具体收益。
面向编码代理的自适应控制层
这段时间的编码代理工作支持三个具体变化：在仓库任务的重跑前加轨迹压缩，为小模型代理加中途预算控制，以及在包含滥用任务和监控限制的实时环境中评估面向生产的代理。论文给出的运作机制和可测增益越具体，这些结论就越强，尤其是在通过率、成本或监控规避率上。