苹果LensVLM：长上下文压缩成图片，模型边看边「放大」
苹果LensVLM：长上下文压缩成图片，模型边看边「放大」Agent 执行长程任务时，代码、工具输出和交互记录不断累积，上下文也跟着变长。
来自主题: AI技术研报
6785 点击 2026-10-15 11:26
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
Agent 执行长程任务时，代码、工具输出和交互记录不断累积，上下文也跟着变长。
人类每天都在完成丰富的手部操作。通过头戴相机记录下这些过程，能为具身智能提供大量示范。
大模型做 In-Context Learning（ICL，上下文学习）时，通常会先从示例库里检索若干 demonstration，再把这些示例和当前问题一起放进 prompt。
任务很简单：把一个加热后的杯子放进柜子。一个智能体先把杯子放进微波炉，再放进柜子，随后陷入反复查看柜子的循环。这个无效行为重复了 36 次，直到耗尽行动预算，任务仍然没有完成。
近日，清华大学电子工程系数据科学与智能实验室在 AI for Science 方向提出面向智能体符号回归（agentic symbolic regression）的运行时框架 SRHarness [1]，让 AI 更可靠地从观测数据中发现公式；同时构建机制发现基准 MechBench [2]，系统评测 AI 能否进一步揭示公式背后的机理。
把杯子放进微波炉里，这一人类几乎不用思考的日常动作，机器人却可能在杯子放不稳、夹爪碰到门框这样的细节上频频出错。
最近，来自牛津大学&莫纳什大学&布里斯托大学的团队提出了交互式视频世界模型 Oneira，将这类模型从开放式的生成走向开放世界的交互。
一道科学问题，AI 可以给出解释，列出步骤，甚至写出分析代码。
让大模型稳定地按人们的期望行动，是偏好对齐的核心目标。
同一个 GPT-5.5，放进不同的系统里，做具身任务的表现可以相差悬殊。在 EmbodiedBench 上，直接使用 GPT-5.5 的平均成功率是 56.9%；模型参数一个不改，只让它周围的系统持续进化，这个数字变成了 72.7%。