具身 AI 的评价重点正转向动作回路质量，而不只是感知覆盖面
本周的 embodied AI 论文在收紧动作回路时表现最强。最有力的证据来自 DIAL、FocusVLA 和 DriveDreamer-Policy：模型通过改进控制时序、规划支持和运行时检查取得优势。鲁棒性仍是一个现实弱点，因此评估也在同步变得更严格。
趋势
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。
Embodied AI work is concentrating on the action loop
4 月 5 日是一个以动作控制为中心的强 embodied-AI 日。最清楚的论文改进了感知和执行之间发生的事情：更安全的 VLA 策略、自适应 action chunking，以及用于驾驶的联合视频-动作规划。共同点是操作层面的细节。作者在模块级编辑机器人策略，在推理时调整重规划，并训练世界模型，让预测场景和计划动作保持一致。
Software-agent evidence is getting tighter around control loops, compilers, and architecture checks
这一天的研究最强的部分，是那些可以用明确控制来检查的软件代理。证据最扎实的工作把模型接到编译器、工单状态、校验器门控或经过基准测试的设计工件上。这让我们更清楚地看到代理现在能做什么，以及可靠性还会在哪些地方失效，尤其是在架构理解上。
机器人学习工作正更接近控制环
4 月 4 日是一个规模不大但主题连贯的机器人日。最强的工作都在收紧观测、动作和安全之间的闭环：保留动作标签的合成示范、满足控制时间约束的行为切换检测，以及记录对齐多模态数据、用于闭环学习的结肠镜平台。
编码代理研究正在按执行循环、运行时证据和真实动作控制来评判
这一天最强的论文把编码代理的主张做得更可执行，也更可检查。重点是对代理读什么、记什么、运行什么、以及允许改什么进行具体控制。EnvGraph 和 LiveCoder 把仓库生成和运行时验证、以及多次尝试证据绑定起来。DebugHarness 把修复推进到实时调试。Squeez 和 AmPermBench 收窄了两个运维瓶颈：上下文膨胀和权限覆盖。
具身控制论文正在修复动作、规划和迁移中的具体瓶颈
这一天最强的是把具体失效点封住的具身控制工作。证据集中在动作瓶颈、层级规划、预测视频控制和 sim-to-real 迁移。和前几天相比，这些工作更少在泛泛地诊断风险，而是直接在机器人和驾驶任务上展示可量化的控制指标提升。
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。
动作学习正在变得更精确，而 VLA 鲁棒性仍然落后
这一天最强的模式是实用的动作学习。论文通过缩短预测、动作和控制细节之间的距离，改进了机器人和驾驶系统。最明显的提升来自经过验证的世界模型、更平滑的动作分布，以及几何感知规划。与此同时，Tex3D 表明当前 VLA 模型仍然很容易被物体级视觉攻击打偏。
软件代理研究正变得更可执行、可回放，也更贴近生产
今天的研究最强的地方，是软件工作可以通过执行来检查。重点是更严格地评估编码代理，以及为代码和 API 生成更好的测试。ProdCodeBench 和 ToolMisuseBench 都缩小了基准分数与部署条件之间的差距。结果是，我们更清楚地看到代理在哪些地方还能用，在哪些地方仍然会失效。
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。
控制工作越来越明确地处理接触、安全区域和 rollout 风险
这个时间段很小，但脉络一致：控制类论文把感知和动作连到错误会变成物理后果的那个点上。最强的证据来自机器人和手术场景，模型通过暴露接触状态或安全交互区域来增加价值。世界模型综述补了第二层意思：一旦预测进入规划，安全评估就必须跟踪错误在多次 rollout 中如何持续。