资讯
RSS 2026 | GuidedVLA：通过动作注意力专家化提升VLA模型对任务相关因素的可控可解释性
VLA模型动作解码器常成黑箱，易看错重点（如背景或伪相关）。GuidedVLA通过可控可解释的注意力专家分工（Object Head、Skill Head、Depth Head）显式指定任务相关因子，显著提升机器人抓取、放置等动作稳定性与可解释性。RSS 2026接收，代码开源。
0 
0 
余承东表示大模型战场无第二，华为盘古大模型全面进阶2.0
在华为开发者大会2026上，余承东隆重发布开源盘古大模型2.0，参数规模达505B。作为全球最早布局大模型的华为先驱者，这次全栈技术迭代标志着华为AI生态的全面进阶。余承东向开发者喊话：“没有第二，只有第一”，华为将持续领先，助力鸿蒙生态赋能行业应用，为开发者提供强劲底层支撑，展现华为在AI领域前所未有的专注与决心。
佑驾创新与乐动机器人达成合作
佑驾创新与乐动机器人达成战略合作，联合打造物理AI技术底座，共建全场景物理AI产品矩阵。双方将开发面向通用物理智能的世界模型，打造软硬件一体化末端配送解决方案，并推出以“情绪价值”为核心的多模态交互机器人，聚焦共情、实时、拟人特性。同时共建深圳、长沙等城市无人车+机器人示范基地，推动物理AI与具身智能规模化落地。乐动机器人作为智能机器人领军企业，助力物理AI从研发走向商业化。
英伟达携手 Abridge 开发医疗 AI 模型 将在今年晚些时候投入使用
英伟达携手医疗AI公司Abridge，基于其开放模型Nemotron训练医疗专用AI模型，专为临床对话场景设计。Abridge使用去标识化临床数据定制模型，预计今年晚些时候投入使用。该合作将提升临床决策支持与文档处理能力，推动AI在医疗行业的应用。
机器人训练场可能要搬进世界模型中
智元GE-Sim 2.0登顶WorldArena，揭开机器人世界模型新篇章。它不再仅生成视频预言未来，更补齐动作响应、状态反馈与闭环训练三大接口：本体状态专家、奖励评判器，实现从视觉感知到具身任务闭环的系统升级。标志着机器人世界模型正式迈向“可运行训练场”，为通用机器人策略闭环提供强大支撑。
谷歌在Mythos阴影下低调发布模型，速度提升4倍
谷歌悄悄推出DiffusionGemma扩散模型：26B参数MoE，仅激活3.8B，推理速度比自回归Gemma快4倍（H100 1000+ tokens/s）。抛弃逐Token模式，一次铺开256 token并行生成，适合本地推理（一张4090即可）。Apache 2.0开源，推理时支持双向注意力，可实时自我纠错。加速“天下武功唯快不破”的时代！
谷歌联合英伟达发布开源模型DiffusionGemma，引入扩散机制单卡推理提速4倍
谷歌联合英伟达于2026年6月10日发布实验性开源模型DiffusionGemma，首创将图像扩散机制引入文本生成，打破自回归范式。模型通过从随机噪声迭代优化实现一次性并行输出256个标记，260亿参数MoE架构单步激活仅38亿。在H100上单请求输出速度达每秒1000标记（RTX5090超700），在文本补全、代码填空、数独、氨基酸序列等非线性任务中展现显著优势。权重基于Apache2.0在Hugging Face开源，兼容vLLM、MLX等框架，为AI复杂逻辑生成开辟新路径。
谷歌发布 DiffusionGemma：通过文本扩散架构加速 AI 推理
谷歌6月10日发布DiffusionGemma开源模型，采用文本扩散架构实现文本到文本的非自回归推理。性能测试显示，该模型在专用GPU上的文本生成速度最高可提升4倍，特别适合本地设备及低并发场景。模型目前定位为研究实验性产品，输出质量无法与Gemma4媲美，建议开发者关注其在AI推理效率提升方面的潜力。
小米开源终端AI编程助手MiMo Code内置免费顶级多模态模型
小米技术团队开源终端 AI 编程助手 MiMo Code V0.1.0，内置免费顶级多模态模型 MiMo-V2.5。独创持久记忆系统、Harness 与 Compose 模式，结合语音交互实现全口头操控。在 SWE-Bench Pro 获 62% 分数，超越 Claude Code。MIT 协议开源，专为开发者打造高效、自进化的本地编程工具。
清华《Science Advances》刊文，水面机器人集群涌现“群体智能”
清华大学团队在《Science Advances》发表论文，首次实现水面微型机器人集群（ARS）自组织临界性（SOC）。仅靠发光吸引和水波排斥的局部交互，机器人群自发演化出尺度不变的幂律分布和1/f噪声，涌现“雪崩”式集体行为。实验和模拟证实系统在宽泛参数范围内（亮度、密度、规模）均能稳定临界态，可用于智能涌现应用。
腾讯与人大高瓴联合开发开源规划评测框架 PlanningBench
腾讯混元团队与人大高瓴人工智能学院联合推出开源规划评测框架 PlanningBench，旨在系统化评测和训练大语言模型的规划能力。该框架抽象出30多种规划任务类型（如日程排布、资源分配、人力排班等），通过可验证数据生成与Checklist评估，精确诊断复杂约束下的真实规划能力。训练后模型在未见任务上表现显著提升，为AI规划研究提供真实场景闭环工具。
摩尔线程发布并开源首个全链路自研代码大模型MusaCoder
摩尔线程发布并开源首个全链路自研代码大模型MusaCoder，基于国产全功能GPU完成训练与验证，在KernelBench评测中表现优异。文章介绍了其技术突破、性能优势及对国产AI算力生态和自主可控研发体系的推动作用。
上海创智学院与上海交通大学联合智动未来提出MINT模型：让VLA从模仿轨迹走向理解意图
本文介绍上海创智学院、上海交大等提出的MINT框架，聚焦VLA模型的强泛化与强迁移能力。MINT通过频谱分解动作词元化与意图—执行分层生成，让机器人不再只模仿轨迹，而是理解行为意图，从而提升组合泛化与小样本迁移能力。
Claude Code爆火背后的Agent Harness底层逻辑，UIUC、Meta与斯坦福深度解读
深入剖析Claude Code背后的Agent Harness机制，UIUC、Meta、斯坦福三方综述揭示代码在长期执行中的核心角色，探讨可执行、可检查、有状态特性如何支撑编程代理的循环反馈与协作。
OpenAI科学家Noam Brown：AI的真正上限可能根本没人测得起
OpenAI科学家Noam Brown指出，AI模型能力越来越依赖推理阶段的计算资源（如token数量、费用和时间）。传统基准测试的单一分数已无法准确反映真实表现，尤其在长链推理、网络安全等复杂任务中。他建议转向“性能—推理计算量曲线”评估方式，帮助行业更科学地理解模型上限与成本效益。
