VLM数小时控机器人，世界状态准确率98%

重点关注

01 机器人 机器人控制的瓶颈，可能不在模型而在接口

把通用视觉语言模型接上机器人，不一定要再训练一个庞大的端到端系统。Show-Harness设计了一层紧凑的语义动作接口：模型负责选择细粒度动作，适配不同本体的解释器再把它们确定性地转换为本地控制指令。这个分工既保留了模型的决策能力，也把执行差异隔离在接口之后，让同一套模型更容易跨任务、机器人和环境复用。按摘要披露的结果，闭源前沿模型可以直接用于零样本控制，小型开源模型则只需数个GPU小时微调即可部署，并优于论文选取的智能体和视觉—语言—动作基线。团队还用GUI操控界面复用了同一语义空间，使人类和智能体无需专用遥操作硬件也能收集演示。具体任务难度、硬件覆盖范围和安全边界仍需看全文确认，但对机器人团队而言，这条路线最有吸引力的地方已经很明确：先把接口做对，可能比继续堆模型容量更快释放现成VLM的能力。

原文：Show-Harness: Just a VLM Agent Can Play Robots

02 训练优化 把教师当方向而非答案，蒸馏就没有能力天花板？

传统蒸馏让学生逼近教师的输出，教师因此既是向导，也是能力上限。OPRD换了个思路：让学生在自己的分布上探索，再判断教师相对其基准策略会往哪个方向调整，只放大其中得到验证器支持的学习信号。这样，教师提供的是加速方向，而不是要求学生复制答案，因此不会改变学生自身优化的终点。实验中，无论是模型代际迁移还是多教师整合，OPRD都用更少的学生更新取得了比现有强化学习和蒸馏方法更高的表现。对需要持续升级模型的团队来说，这意味着昂贵的完整后训练或许能被更可复用的增量过程替代。

原文：Eliciting Weak-to-Strong Generalization with On-Policy Reverse Distillation

03 模型架构 线性注意力该覆盖哪段旧记忆，不能只看当前输入

线性注意力用固定大小的状态换取恒定内存解码，但每次写入都必须提前决定覆盖强度，而常见的Delta更新并不会记录旧记忆究竟有多可信。Kalman Delta Networks把关联记忆改写成线性高斯状态空间模型，同时维护记忆及其不确定性，再用卡尔曼增益根据累积证据和当前观测可靠性调整写入。完整计算需要代价高昂的动态协方差递推，因此作者又提出对角和各向同性两种近似，其中后者每个注意力头只增加一个不确定性标量，并可继续使用并行扫描。摘要称，这些变体在750M和1.3B参数的受控预训练中，困惑度和下游平均准确率均优于当前先进的线性注意力模型，但具体提升幅度仍需看全文确认。对长上下文架构团队而言，这项工作的价值不只是扩大记忆，而是提供一种更有依据的遗忘与覆盖机制。

原文：Kalman Delta Networks: Uncertainty-aware Associative Memory

04 视频生成 让视频模型少管一点，世界反而更真实吗？

没想到，让交互式世界长期守规则的办法，可能是把「世界运行」从视频模型手里拿走。这个框架先将自然语言指令翻译成可执行程序，由轻量引擎维护角色状态、交互规则，以及画面之外的实体和不可见属性；视频模型只负责把明确的世界状态渲染成画面。状态再通过带属性的3D定向包围盒和相机轨迹，被编译成像素对齐的时空控制信号，从而把可检查、可修改的逻辑内核接到生成模型上。摘要报告其在CombatStateBench上达到94%的计数准确率和98%的状态准确率，明显超过现有交互式视频世界模型，不过具体对手、交互时长和视觉质量仍需看全文确认。对游戏和模拟产品而言，这条路线的价值不只是画面更连贯，而是规则错误终于可以在程序层定位和修正。

原文：Programmable World Model