机器之心 AI NEWS DIGEST
2026 06 12
STORY 01 / 11
Anthropic 警告的递归 AI，与 Recursive Superintelligence 的自动化研究第一步
STORY 02 / 11
Fable 5 在 Agent Arena 领先，却在 Agents' Last Exam 最难档失分
STORY 03 / 11
Fable 5 安全分类器被声称一轮对话绕过
STORY 04 / 11
千问高考志愿 Agent 进入真实人生决策场景
STORY 05 / 11
华为云把云服务重写成 Agentic AI 底座
STORY 06 / 11
机器人可能等不来一个单独的 ChatGPT 时刻
STORY 07 / 11
GuidedVLA 给机器人动作解码器指定可解释注意力分工
STORY 08 / 11
NeuroFlow 用统一神经流模型连接视觉编码和解码
STORY 09 / 11
人大团队指出 Transformer 图灵完备讨论依赖上下文管理
STORY 10 / 11
ViT3 用测试时训练缓解视觉 Transformer 复杂度瓶颈
STORY 11 / 11
2026 智源大会聚焦 Agent 安全、世界模型和物理 AI
今天这条新闻把递归自我改进的风险讨论，拉回到一个已经公开运行的自动化 AI 研究系统上。
文章称，Recursive Superintelligence 的系统可以替研究者跑实验，并在三个基准上给出可量化结果。
在 NanoChat Autoresearch 里，系统把验证 BPP 降到 0.9109，文章写成约 1.3 倍训练速度提升。
在 NanoGPT Speedrun 里，报道给出的关键数字是训练到目标损失只需要 77.5 秒。
SOL-ExecBench 则把问题放到 kernel 优化上，显示自动化系统能在硬件相关任务里找到更优解。
这也解释了为什么 Anthropic 的警告会被反复引用：当 AI 开始帮助构建 AI，研发速度和安全边界会同时变得更敏感。
文章没有把这称为真正的递归自我改进，但它展示了自动化研究系统从概念走向工程结果的一步。
接下来要看的，是这些系统能否在更多开放任务上复现收益，并让每一步实验都有可审计轨迹。
Fable 5 的智能体成绩今天出现了一个很有意思的反差：一个榜单领先，另一个最难考试却不轻松。
在 Agent Arena 上，文章称 Fable 5 High 排名第一，GPT-5.5 xHigh 排名第二。
但伯克利团队的 Agents' Last Exam，把测试拉到更长、更真实的专业工作流里。
这个基准包含 55 个非体力职业和 1500 多项任务，评价的是最终结果是否可验证。
文章特别强调，ALE-CLU 比常见终端或软件工程基准更宽、更长，难度也更高。
一旦把成本也放进来，模型强弱就不只是通过率问题，还包括每次完成任务要花多少钱。
任务的构建流程也很重，从专家提交到自动审核、执行和质量检查，目标是减少玩榜空间。
所以这条新闻的结论很克制：有用的智能体已经来了，但真正胜任工作的智能体还没有稳定到来。
Fable 5 的安全新闻，今天不是能力榜单，而是安全分类器被声称一轮对话绕过。
文章称，联合研究团队在发布当天完成攻击，整个过程只需要一次对话和不到五秒。
这件事之所以敏感，是因为 Fable 5 发布后使用量迅速拉升，风险会被更快放大。
研究团队把问题称为前沿大模型的内部安全崩溃，而不是传统提示词绕行。
文章给出的机制图显示，攻击目标是安全分类器和模型之间的职责断点。
风险范围也不只在网络安全，图中还列出生物、化学、医学和模型滥用等领域。
报道还把这个问题放到更广的模型生态里，列出多个前沿模型的触发记录。
这条新闻最重要的提醒是，智能体安全不能只靠一个前置分类器，还要覆盖任务执行全过程。
千问这次把 Agent 放进了一个很现实的场景：高考志愿填报。
文章称，考生和家长要在有限时间里处理近三千所高校、两千多个专业和复杂批次规则。
千问的方案，是上线一个全周期志愿填报 Agent，并免费开放给全国考生。
报道提到，它基于千问高考志愿大模型和夸克八年高考数据经验。
三个核心能力分别是志愿报告、志愿日历和志愿问答，目标是覆盖填报全流程。
真正的问题不只是能不能回答，而是 AI 在人生决策里怎样保证可靠、可信和克制。
所以这条新闻更像一个信号：Agent 正在从办公流和代码流，进入教育选择这样的社会服务场景。
华为云这篇报道的关键词，是把云从算力黑土地，改写成智能体时代的硅基黑土地。
文章说，Agent 流行以后，底层云服务被反向挤压，需要支撑更复杂的工具和工作流。
华为云的答案，是一组 Agentic AI 新品，覆盖基础设施、开发平台和行业应用。
在模型和开发层，文章重点提到 ModelArts，要让智能体开发更像平台化工程。
这背后的判断是，未来做 AI 不只是买卡和调模型，而是开发并用好智能体。
行业案例里，文章举了医院病理服务，说明智能体底座要和具体业务流程绑定。
行业 AI 梦工厂则把具身智能、智慧医疗、智能制造和科学计算放进同一张路线图。
所以这不是一条单点产品新闻，而是云厂商在 Agent 时代重新包装基础设施价值的信号。
这篇机器人文章的核心判断很反直觉：机器人可能不会等来一个单独的 ChatGPT 时刻。
作者认为，AI 会推动机器人拐点，但真正落地要靠多种工具和系统工程一起工作。
文章提醒，很多惊艳演示仍然是脚本、剪辑和排练后的结果。
真正困难的，是让机器人在非结构化环境里理解变化、执行任务并承担失败成本。
文章还给出一个行业背景：2025 年机器人公司融资达到 407 亿美元。
但资本热度不等于通用能力成熟，落地还要同时解决感知、控制、数据和安全。
所以判断具身智能，不能只看一段视频，而要看系统能否长期、稳定、低成本地工作。
GuidedVLA 这篇 RSS 论文，解决的是机器人动作解码器到底在看哪里的问题。
文章说，很多端到端 VLA 模型会完成动作，但注意力仍像黑箱，换场景时容易看错重点。
GuidedVLA 的做法，是显式指定不同 attention head 的职责，而不是让动作解码器自己悟。
其中 object head 负责看目标物，depth head 负责空间几何，skill head 负责判断任务阶段。
这让机器人的动作生成不只是更强，也更容易解释：错误来自哪里可以被拆开看。
第一段实机视频里，机械臂在桌面上对杯碗进行操作，动作从靠近、夹取到移动。
这种视频比静态图更能说明，论文关心的是动作生成过程里的注意力和控制稳定性。
第二段实机视频换成实验室器具，机械臂靠近量杯并完成烧杯相关动作。
在 LIBERO-Plus 基准上，文章图表显示加入各类 head 后，任务成功率整体提高。
扰动测试里，深度 head 和全 head 组合也在多种噪声条件下保持更高表现。
论文还用热图和曲线说明，不同 head 不是装饰，而是在任务中承担可观察的功能。
所以 GuidedVLA 的意义，是把具身智能里的黑箱动作，拆成可调、可解释、可诊断的模块。
NeuroFlow 这篇 CVPR 论文，目标是让视觉脑机从单向读脑走向双向交互。
过去视觉编码和解码常常分开训练，缺少统一潜空间和双向一致性。
文章称，NeuroFlow 用可逆神经流结构，把读脑和写脑放进同一个模型。
实验图里能看到视觉刺激、fMRI 活动、合成结果和解释方差等评估维度。
这还不是应用落地，但为视觉假体和双向脑机接口提供了新的建模范式。
这篇 ICML 观点论文，重新拆开了一个热门说法：Transformer 到底是不是图灵完备。
人大团队提醒，很多证明讨论的是会随输入变长而扩大的模型族。
但我们日常部署的模型，通常是固定权重、固定精度和固定上下文窗口。
论文的关键判断是，能力上限取决于上下文管理，而不只是 Transformer 本身。
所以这篇文章的价值，是把理论模型族和真实部署系统的边界讲清楚。
ViT3 这篇论文入围 CVPR 最佳论文决选，目标是缓解视觉 Transformer 的复杂度瓶颈。
文章称，它把测试时训练引入视觉模型，让上下文信息被写进一个紧凑内部模型。
和传统注意力相比，ViT3 更强调在当前输入上快速更新内部状态。
报道给出的亮点数字是，高分辨率图像上速度达到 DeiT-T 的四点六倍，显存降低九成。
如果这条路线继续成立，它会给高分辨率视觉和长视频理解提供更省资源的架构选择。
这篇智源大会报道，不只是会议信息，而是把 Agent、世界模型和物理 AI 放到同一条主线里。
文章用一句话概括趋势：AI 正从预测下一个词元，走向预测下一个物理状态。
Diffie 的发言把 Agent 安全拆成两面：既要保护智能体，也要防范智能体。
Barto 的强化学习主题，则把控制、搜索和联想记忆重新放回下一代智能系统讨论。
智源自己的路线图里，世界模型从数字世界扩展到物理世界，成为核心方向。
悟界 Physis-v0.1 被描述为全栈世界物理建模基础模型，覆盖动力学和交互。
RoboBrain Croc v0 则把具身大脑和动作相关能力放进物理 AI 版图。
文章还提到多模态学习、开放复杂系统和 FlagOS 等生态方向，说明大会关注的是全栈能力。
最后，展区和 Agent 能力布局说明，这些议题已经从报告厅延伸到产品和生态展示。