医疗AI、科学Agent、机器人VLA：垂直领域正在成为AI的主战场

重点关注

01 多模态 医疗AI的「全能选手」长什么样？

医疗多模态模型面临一个独特困境：知识覆盖面要广（几千种罕见病都不能漏），推理深度要够（复杂诊断需要多步推理），输出还得可靠（长报告不能编造）。以前的模型通常只擅长其中一两项。MedXIAOHE的做法是分阶段解决：先用实体感知的持续预训练扩充知识面，把异质医学语料按实体组织起来填补长尾缺口；然后通过RL和工具增强训练让模型学会多步诊断推理，每步决策都有可验证的痕迹；最后加入用户偏好对齐和证据锚定来控制幻觉。在多个医学benchmark上超过了领先的闭源多模态系统。这套「知识扩充→推理强化→可靠性兜底」的三阶段路线，对其他垂直领域的多模态模型开发也有参考价值。

原文：MedXIAOHE: A Comprehensive Recipe for Building Medical MLLMs

02 机器人 消费级GPU跑实时机器人控制，小米怎么做到的？

VLA模型（视觉-语言-动作模型）的实际部署有一个绕不开的问题：推理延迟。模型生成下一步动作的时间如果超过控制周期，机器人就会卡顿甚至失控。Xiaomi-Robotics-0的核心设计是异步执行——训练阶段就让模型习惯「在执行上一步动作的同时预测下一步」，部署时再精心对齐相邻动作块的时间戳，确保动作连贯不断裂。模型先在大规模跨形态数据上预训练获得通用动作生成能力，再针对目标任务做后训练。实测在消费级GPU上就能流畅跑双臂精细操控任务，代码和权重已开源。对想在真实硬件上落地VLA的团队来说，这套异步训练+部署对齐的方案比单纯追求更大模型更务实。

原文：Xiaomi-Robotics-0: An Open-Sourced Vision-Language-Action Model with Real-Time Execution

03 Agent 科学工具链这么长，Agent走几步就迷路了

让AI Agent帮科学家做实验、跑分析听起来很美，但现实是：科学工作流涉及大量领域特定的工具和多步串联操作，现有Agent在这上面表现很差。SciAgentGym做了一次系统性压测——4个自然科学学科、1780个领域工具、从单步操作到长链工作流的分级评估。结果显示GPT-5在简单任务上有60.6%的成功率，但多步工作流一拉长就跌到30.9%。有意思的是作者提出的SciForge数据合成方法，把工具的调用关系建模为依赖图来生成训练轨迹，微调出的SciAgent-8B竟然超过了体量大30倍的Qwen3-VL-235B，而且还展现出跨学科的正迁移。这说明科学Agent的瓶颈不在模型大小，而在训练数据能不能教会模型理解工具间的逻辑依赖。

原文：SciAgentGym: Benchmarking Multi-Step Scientific Tool-use in LLM Agents

04 训练优化 RL微调的隐藏代价：分数上去了，推理链却不可信了

RL微调让VLM在视觉推理benchmark上涨分了，但有人仔细检查了推理链本身的质量。结论不太乐观：简单的文本干扰——比如加一段误导性的caption或错误的CoT——就能让模型表现大幅下滑。更关键的发现是，RL微调制造了一个准确率-忠实度trade-off——benchmark分数在涨，但CoT推理链与实际视觉证据的对齐度在降。作者尝试了对抗增强和忠实度感知奖励两个修复方案，前者能提升鲁棒性但不能阻止忠实度漂移，后者能恢复对齐但跟对抗增强组合时反而学会了捷径策略。这给所有在做VLM RL微调的团队敲了个警钟：只看准确率不够，推理链的忠实度需要独立评估。

原文：On Robustness and Chain-of-Thought Consistency of RL-Finetuned VLMs