具身 AI 论文正在检验机器人模型能否在长时程执行中保持控制
这一窗口中的具身 AI 工作把机器人智能当作执行问题来处理。Pelican-Unified 把推理、未来视频和动作连到同一个潜在状态里。Evo-Depth 加入从 RGB 提取的深度信息，以便更快地做空间控制。LongAct 显示，家庭自主系统在长任务链上仍然会失效。
趋势
代码代理正在围绕可执行反馈和明确的运行限制构建
这一天最强的信号是带有可执行检查的实用代码代理工作。FrontierSmith 和 DIO-Agent 用评分或执行错误，把编码任务变得更难，也更有用。Orchard 在沙箱规模上展示了同样的需求。安全类论文把权限和第三方技能变成了核心设计问题。
代码代理正在按完整、可验证的工作来评分
这一时期最清楚的信号是：代码代理正在按完整、可检查的工作来评分。SWE-Cycle 和 Phoenix-bench 把环境搭建、测试和领域工具链纳入评分。CRANE 表明，在保护工具调用格式时，模型编辑可以提高代理通过率。
机器人 VLA 研究正在收紧围绕动作质量和时序的控制回路
当前的机器人视觉语言动作（VLA）研究把部署当作执行问题来处理。最强的论文在动作表征、子任务调用、关键帧训练、视觉不变性和推理延迟上做调整，LIBERO、RoboTwin、SimplerEnv 和 ManiSkill 提供了大部分证据。
Agent research is treating scores and tool actions as audit targets
当天最强的信号是智能体系统的可审计性。BenchJack 在智能体运行前就攻击基准 harness。Rollout Cards 要求评估发布回放证据。Cloudflare 的模型上下文协议（MCP）部署把同样的控制问题带进了企业工具访问。
机器人 VLA 工作正在衡量部署压力下的预测、动作时机和安全性
今天的机器人论文把 Vision-Language-Action（VLA）模型当作控制系统来处理，需要预测性 rollout、带引导的动作解码和明确的安全检查。RAW-Dream 给出了最清楚的数据效率结果。GuidedVLA 改进了动作聚焦。SafeManip 说明任务成功率可能掩盖不安全执行。
在 agent 系统承担更多责任之前，它们需要可检查的执行过程
最强信号是，agent 需要可检查的执行过程和更严格的任务证据。DuST 把带执行标签的候选代码当作训练数据，Shepherd 记录实时 agent 状态以便分叉，ComplexMCP 则显示工具型 agent 在有状态软件工作上仍落后于人类。
机器人 VLA 工作正在聚焦于保留先验并改进动作结构的 OOD 适应
这一时期的机器人 Vision-Language-Action（VLA）论文集中在部署失效点：分布外场景、有限演示和薄弱的动作监督。HarmoWAM、PriorVLA 和 UniSteer 在真实世界操作测试中给出了最清楚的量化信号。
编码代理面临更严格的信任测试：执行轨迹、仓库纪律和行动前检查
本周研究把大语言模型（LLM）编码代理视为需要先给出证据才能被信任的系统。最有力的工作通过执行、仓库任务、形式化证明、工具契约和对抗性安全测试来检查生成代码。SWE Atlas、VeriContest 和 RubricRefine 展示了同一个实用标准：有用的代理必须留下可检查的证据，处理常规工程工作，并避免不安全操作。
机器人 VLA 可靠性取决于可恢复控制和紧凑前瞻
本周机器人语料把 Vision-Language-Action (VLA) 策略视为可部署的控制系统。最有力的工作衡量漂移后的恢复、长任务中的记忆，以及低成本世界状态预测。RePO-VLA、ECHO 和 OneWM-VLA 支撑了这一信号。前几周已经强调在线执行；本周加入了更具体的测试，覆盖恢复数据、紧凑内部状态和已发布模型检查。
代理软件研究围绕能发现真实部署失败的检查展开
这一时期的主要信号是对 AI 构建软件提出更严格的证据要求。ConCovUp、RubricRefine 和 MonitoringBench 都是在测试代理的具体失效模式：错过并发交互、错误的工具契约，以及隐藏的破坏。快速做应用也会带来可测的安全和维护成本。
机器人论文聚焦失败恢复、领域数据和动作条件预测
这一时期的机器人研究把可靠性当作一个可测量的控制问题来处理。Vision-Language-Action（VLA）策略加入恢复训练、由不确定性触发的搜索，以及面向门店的动作数据。RePO-VLA、CAPS 和 SABER 给出了最强的定量信号。