EnvHarness：让训练世界追着Agent成长

EnvHarness 给静态训练场加上可编程外层，让环境能发现 Agent 弱点并随之升级。

深度专题 FEATURES — 1

PAPER

DECOWAM让四足底盘与机械臂一起预演未来，重点不只是走稳或抓准，而是让全身动作真正配合。

速览 BRIEFS — 8

PAPER

把预测状态分栏学习，减少强信号挤占空间，为规划与推理留下更清晰的内部结构。

H 1

PAPER

先规划缓存该落在哪台服务器，再分流请求，在复用前缀与避免拥堵之间找平衡。

PAPER

模型先选“快答、短想或长想”，按题目难度调度推理算力。

H 12

PAPER

给蒸馏加一道“推理进度检查”，避免教师打压学生走得通的新路。

H 10

PAPER

EXIMO让VLM带机器人先探索、再用成功经验微调VLA，减少新任务对人工示范的依赖。

H 9 · HF 12

PAPER

逐步回放真实执行后，常见的 Agent 训练信号连关键动作都认不准。

PAPER

大模型压缩后均分看似稳定，知识、信心与偏见的损失却可能悄悄换了对象。

H 7

PAPER

Stream4D让长视频不只接得顺，还让物体、空间与运动前后一致。