结硬寨，打呆仗。 文/托马斯之颅&王丹 10月22日晚，GitHub突然出现了一个挂着米哈游、清华大学、中国科学院大学和香港大学Logo的开源项目，大标题赫然写着Scaling in Games，这把大家吓了一跳——难道米哈游悄悄搞了个大动作？ 葡萄君仔细查看了项目介绍，发现事情倒是没那么大。根据论文作者信息，这大概率是崩坏项目 AI 研发团队（miHoYo Honkai AI R&D Team）中的几位实习生联合发布的研究成果，未必是米哈游公司层面的战略级研究项目。论文目…
MIT 研究团队把 13 个由 Claude Opus 4.7 驱动的 Eko 智能体放在模拟荒岛上无任务自由活动 30 小时，之后这些智能体在指定挑战中整体胜过从未上岛的同类智能体。
我们提出 WorldStream，一个开放式 3D 世界模型，同时具备三项能力：它能把可游玩地形扩展到任何预先指定的地图之外，在运行中的世界里响应开放式语言，并恢复曾访问过的地点及其编辑。一个基于类型化决策模型的层级式规划器会输出结构化决策状态：Macro 在一组地块范围内确定聚落、生态、交通和水文结构；Micro 在实测地形和已接受的邻接承诺之下，把该契约特化为地块语义。确定性的局部代码把已接受的规划编译为地形、道路、聚落、植被和实体。流式处理将二者作用范围分离：规划沿预…
总共花了27小时 Updated: 2026年10月20日 10:11 谷歌研究人员发表论文称，4个谷歌Gemini 4 Argon AI智能体刚刚在没有任何人类协助的情况下通关了《我的世界》。它们花了27个多小时击败末影龙，据信这是全球首次。 当然，这可不是跑到末影龙面前射几箭那么简单。在《我的世界》中，玩家要前往末地并击败末影龙，必须先完成一连串考验。 玩家得先收集末影珍珠、末地烛，合成末影之眼，再去寻找要塞并解开谜题。这需要刷取不少资源，还得从《我的世界》的基础工具起…
推荐理由：论文给出多智能体在长时程任务中的协作、分工与失败恢复细节，可观察自主智能体的实际边界。
玩一款没有教程的新游戏，难点常常是逐步摸清规则：点过哪里，画面发生了什么变化，刚才不起眼的标记，是否后来才显出作用。对于多模态智能体，这也意味着一项能力：需要时，能够重新查看已经见过的画面。 最近，MIT 何恺明团队提出的 VISTA，将这种“回头看”的能力做成了模型与环境之间的交互框架。它保留原始视觉记录，让模型自行选择回看时间、画面区域和细节尺度。在 ARC-AGI-3 的 25 个公开游戏上，搭配 Claude Opus 5.0 和 GPT-5.6 Sol 的系统都完…
推荐理由：逐级消融实验拆开了视觉记忆、主动检视与像素读取各自的得分贡献，可看清框架收益来自哪一层。
CuteGuy☣️@cutetoxicguy来源精选AI 评分7575推荐理由：材料给出3DCodeVerse的代码化生成流程与研究者自评对比数据，可了解AI生成3D世界的另一条技术路线。
MIT 研究者将 Claude Opus 4.7 的副本（代号 Eko）反复单独放在一个仿 Roblox 的虚拟荒岛上 30 小时，智能体可编写指令移动虚拟化身，并自发探索地图边界、自设目标，如攀爬最高点、比谁把方块扔得更高。
跳到内容 2026年10月18日 四个运行在 Google Gemini 4 Argon 上的 AI 智能体首次在无人类输入的情况下通关 Minecraft，在一次完全自主的运行中击杀了末影龙。 Google Deepmind 团队将这些智能体放入一个随机生成的世界，没有为它们分配角色、策略或游戏专用工具。它们自行分配任务，互相警告威胁，从阵亡队友身上取回物品，并将错误记录在共享记忆中。在 27 小时 14 分钟里，这四个智能体总共编写了 2,783 个 JavaScrip…
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 2026-10-11 16:59:06 来源： 量子位 多模态模型的视觉原生Harness，来了！ henry 发自 凹非寺 量子位 | 公众号 QbitAI 多模态模型的视觉原生Harness，来了！ 最近，何恺明团队在最新论文《VISTA: A…
KAIST计算机图形学硕士学生采访人2026年10月12日KAIST研究员Jewoo Shin解释了OmniBody如何结合椭球粒子、局部XPBD约束和GPU并行化来模拟可变形和可破坏物体，而无需全局求解器或重网格化。创建一个可以压扁或拉伸的软体物体已经是一项挑战；要让它能够被切割、剥离、碎裂并在实时中自由操控，则困难得多。基于网格的仿真方法在物体拓扑发生变化时往往需要代价高昂的重网格化，而物理上严格的方法可能依赖于难以在交互帧率下运行的全局求解器。由韩国科学技术院（KAI…
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 2026-10-12 13:48:36 来源： 量子位 游戏打到21:0，AI甚至不用再调用大模型了 一水 发自 凹非寺 量子位 | 公众号 QbitAI 一边打游戏，一边给自己升级？ 好家伙，华为这波直接让AI学会了《边玩边变强》啊？！ 最新一项…
许多物理 AI 的应用运行在有限或封闭的物理世界中，由一组有限的物理定律支配物体行为。例如，在仓库中工作的机器人以及在电子游戏中移动的代理。为了更好地组织、筛选和整理物理 AI 应用的数据，我们提出了一种以各个数据集的独特场景和物理定律为中心的新方法。我们训练了 LeCuration，一个小型世界模型，旨在作为独立的大型下游模型的数据整理工具。为了构建该模型，我们选择 LeWorldModel（LeWM）作为我们的潜在编码器和预测器，并添加了一个扩散 Transformer…
游戏AI开发者三宅阳一郎从哲学框架出发讲述人工智能的连续讲座“面向人工智能的哲学塾 第五期 精神分析与人工智能”。在6月1日举办的第四夜以“西田几多郎与场所哲学”为题，探索了基于西田几多郎“场所哲学”的人工智能开发路径。第四夜“西田几多郎与场所哲学”演讲资料https://files.speakerdeck.com/presentations/3ab3edb3069449f6a0dd196c03b0c7e4/Neuro_Philosophy_2026_6_1_4th_YMi…
世界模型是在基于模型的强化学习中引入的，作为一种学习得到的动力学模型或“转移函数”，用于预测下一个状态。其背后的动机是让强化学习能够通过模拟环境进行，而不需要直接与环境交互。世界模型还为智能体提供了一条路径，使其能够规划和推理自身行动的后果，而不是仅仅依赖规模。然而，从想象经验中学习的效果取决于世界模型本身：在其预测错误的地方，智能体会基于幻觉出的未来进行训练，并学到在真实环境中失败的行为。迄今为止，大多数世界模型所想象的世界里只有一个智能体，但最能带来教益的经验恰恰是与他…
推荐理由：原文给出多智能体世界模型与策略在同一训练循环中互相修复的机制，以及 SMACv2 与 MQE 上的具体对比数据。
在专家指导的驱动下，智能体能够在交互式环境中运行；然而，它们是否能从自身经验中自主学习尚不明确。为了评估此类自我改进方法，我们提出了 GameBoyWorlds，一个用于电子游戏中智能体自我改进的测试平台。GameBoyWorlds-Execution 在 5 个不同游戏系列的集合上评估任务执行能力。智能体可以访问专门的训练游戏，但不会获得任何演示、文档或奖励。智能体必须通过自主探索以及从自身经验中推断可操作的知识来在环境中建立定位。在测试阶段，智能体必须完成短周期任务，以…
September 7, 2026“自然度”是衡量文本转语音的合适指标吗？对人工智能助手来说，是的。但如果你想要一个能“演”的 AI：一个能惊慌、能犹豫，或能低声说出秘密的 AI，那么标准的自然度平均意见分（MOS）和常用指标就不适用了。在我们的 Interspeech 2026 论文“自然就一定合适吗？”[1]中，我们与 KTH、Imperial 和 TUM München 合作，评估了当前最先进的文本转语音（TTS）模型在不同“人物角色”下的表现，以挑战一个核心假设：更…
六月为 Ace 项目带来了又一个里程碑。我们的自主乒乓球机器人 Ace 在正式比赛规则下击败了排名靠前的职业选手。我们还在丹佛举行的 CVPR 2026 上展示了六篇论文。我们的 AI 伦理研究通过一篇关于数据权利的《时代》杂志评论文章触达了更广泛的受众。以下是我们本月的工作以及接下来的计划。
1. 能否告诉我们是什么促使您开始这项研究的？起初，我从未想过这个项目会发展成今天的样子。事实上，我最初只是有一个相当模糊的想法，灵感来自《福尔摩斯》或 FBI 这类悬疑推理故事。我设想了一种 AI，能够根据犯罪现场留下的痕迹或线索推断出嫌疑人。当时，我并没有隶属于 KRAFTON，而是一名大学研究实验室的研究生。我尝试自己设计犯罪调查场景，甚至试图构建 2D 地图和环境。问题在于，作为一名学生，要同时设计详细场景并创建地图和模拟环境，几乎是不可能的。作为背景，那是 202…
世界并非由文字构成在一篇先前的文章中，我们曾论证空间智能是AI的下一个前沿，而世界模型是通往它的道路。在这里，World Labs团队和我想要再深入一层：在众多当前正在构建并被冠以"世界模型"之称的事物中，哪些功能组件真正构成了这种能力——而各自又分别用于什么？语言模型赋予了机器对概念、词汇和推理的非凡掌控力，但物理世界，无论是虚拟的还是真实的，运行在不同的基底之上。语言模型学习的是文本的统计结构，而世界模型学习的是空间与时间的统计结构：光线如何落在一个表面上，一个花园在从…
