机器之心 AI NEWS DIGEST
2026 06 22
STORY 01 / 10
告别单科专家：EEVEE 试图让 Agent 在测试时持续进化
STORY 02 / 10
PAIWorld 登顶 WorldArena：具身世界模型基准的新排名
STORY 03 / 10
TerminalWorld：用真实终端录像构建 CLI Agent 基准
STORY 04 / 10
MiniT2I：何恺明团队重新审视像素空间文生图
STORY 05 / 10
TrustedARI：清华团队关注 AI 中转站的可信路由风险
STORY 06 / 10
Skill-3D：让三维场景智能体先判断需要什么证据
STORY 07 / 10
TACO：用拓扑一致性连接医学多模态 3D 影像
STORY 08 / 10
智子芯元两轮融资：AI for Computing 继续升温
STORY 09 / 10
LLM 正在重塑软件工程师的职业安全感
STORY 10 / 10
从 57 场面试到 OpenAI offer：AI 研究岗位求职复盘
机器之心报道，EEVEE 想解决的是一个真实部署问题：Agent 能不能在使用中继续变强。
这个框架来自上海交通大学和普林斯顿大学，目标是把测试时提示学习扩展到多任务连续适应。
文章称，EEVEE 会把执行过程中的提示、反馈和失败经验沉淀下来，供后续任务复用。
实验图把一个任务到四个任务放在一起比较，强调的不是单点刷分，而是跨任务迁移。
在表格中，EEVEE 在 Qwen3-4B 和 DeepSeek-V3.2 的平均分上都高于基线。
代价也要看清：文章同时给出 token 消耗图，说明自我改进会带来额外推理成本。
所以 EEVEE 的意义，是把 Agent 持续适应这个目标，变成了一个可以被实验检验的问题。
PAIWorld 登顶 WorldArena，文章把它放在具身世界模型评测的核心位置。
这个榜单不只看图像好不好看，还看运动、物理、三维准确性和可控性。
PAIWorld 的流程图显示，它把多视角图像、相机姿态和动作文本输入合到世界潜变量中。
文章展示的可视化结果强调一点：模型要在视角变化中保持物体和空间关系稳定。
这类能力对机器人和具身智能重要，因为规划系统需要能预测环境如何随动作变化。
不过，榜单第一仍不等于真实机器人闭环可用，长时序和真实控制还需要后续验证。
TerminalWorld 把代码智能体评测拉回真实终端工作流，而不是只看会不会写代码。
文章称，团队使用约八万条人类终端录像，覆盖部署、依赖、云资源和排障等任务。
流程图显示，数据从录像采集进入任务合成，再进入 Agent 执行和自动评测。
结果图说明，模型在传统终端基准上的表现，不一定能直接代表真实 CLI 工作流能力。
MiniT2I 的看点，是何恺明团队把文生图系统故意做简单。
文章称，它去掉 VAE、复杂条件注入、私有数据和 RL 对齐，直接在像素空间训练。
结果表显示，MiniT2I-B 和 MiniT2I-L 在 GenEval 与 DPG 上达到有竞争力的分数。
这篇工作的价值，不是宣布复杂系统过时，而是给文生图研究提供一个更干净的基线。
TrustedARI 关注的是一个不太显眼但很关键的问题：Agent 请求经过中转站时，到底还能不能被信任。
文章把风险拆成三类：提示词可能泄露，返回结果可能被改，服务端点也可能被冒充。
TrustedARI 的路线，是把中转层从靠平台承诺，改成能用协议证明。
协议图里，三方 TLS、隐私保护查询构造和可验证计费，是它想同时解决的核心环节。
中文对比表进一步说明，它试图覆盖数据可信、模型保障、内存完整性和 token 计费。
但这类基础设施能否落地，还要看性能开销、平台接入和企业是否愿意改造调用链。
Skill-3D 解决的是三维场景智能体的工具选择问题。
文章指出，不同问题需要不同证据：距离、方向、边界、深度和三维重建不能混用。
这个方法先读懂场景和问题，再决定应该调用哪一组技能。
这让它更接近真实机器人场景：不是会调用工具就够了，而是要知道为什么调用。
TACO 关注医学 3D 多模态影像中的一个老问题：不同模态外观不同，但解剖拓扑相对稳定。
文章称，它从实例级预训练转向群体级拓扑关系，利用脑部结构之间的稳定位置关系。
方法图显示，TACO 同时使用实例内和实例间的对比聚类来学习表征。
如果这类预训练有效，医学影像模型会更容易跨患者、跨模态迁移，但临床有效性仍需独立验证。
智子芯元两个月完成两轮融资，文章把它放在 AI for Computing 升温的大背景下。
报道认为，科学发现和工业生产的共同瓶颈，是如何把复杂世界转化为可计算的问题。
从 CPU、GPU 到集群，大规模计算已经支撑了 AI，但新的科学计算任务还需要更高层的平台能力。
这类公司瞄准的不是单一模型，而是药物、材料、制造和工程优化中的计算工作流。
但融资新闻不能直接证明技术领先，后续还要看公开产品、客户案例和可复现指标。
这篇文章不是模型发布，而是一个软件工程师对 LLM 冲击职业路径的自述。
Hacker News 截图中的原帖标题很直接：LLM 正在侵蚀我的软件工程职业生涯。
作者过去依赖领域知识、实现经验和代码能力建立壁垒，但这些壁垒正在被重新定价。
文章的价值在于，它把 AI Coding 的影响从工具效率，推进到职业身份和组织分工。
但这仍是个体案例，不同工程领域和公司对经验的需求不会同时、同速消失。
Alisa Liu 的求职复盘火了，是因为它把顶级 AI 研究岗位的流程摊开给大家看。
文章称，她经历五十七场面试，最终拿到 OpenAI 等公司的研究岗位 offer。
图中可以看到 Anthropic、OpenAI、Google、Meta、xAI 和 Cursor 等公司处在不同阶段。
她的研究方向包括 tokenization、数据创建和推理时适应，正好对应基础模型团队关心的问题。
不过这只是个人样本，不能代表所有 AI 公司招聘标准，但能看到顶级岗位的时间和心理成本。