结构之法 算法之道
-
1
GigaBrain-0.7——通过三系统架构扩展具身基模至涌现能力：首先VLM理解与规划，接着世界模型给未来预测和进度估计，然后VLA输出对应动作，最后可经验循环(先离线RL，后在线RL)
-
2
GigaWorld-Policy-0.5——推理时仅基于当前观测做动作生成：训练时想象执行当下动作后未来会变成什么样(即“未来视觉预测”是对动作后果的预测，相机真实拍摄是该“未来视觉预测”的监督信号)
-
3
斯坦福ToddlerBot——用于行走操控且与机器学习兼容的0.56m小人形：6000美刀成本下，可VR遥操、可RL训练
-
4
AlphaNIST——针对装配任务的RL框架：仅在最后任务成功时才给二元奖励，任务过程中让机器自行探索直至完成
-
5
Whole-Body UMI——通过实时运动生成将UMI操作技能迁移到人形全身操作：不用脚踝追踪器，直接两个umi开干
-
6
Berkeley Humanoid Lite——开源、易获取且可定制的3D打印小人形：5000美刀成本下的模块化设计、摆线关节、可行走、可VR遥操
-
7
ENPIRE——Agent驱动的机器人策略自我改进(具身RSI的代表之一)：自动奖励验证、自动复位、无人值守的策略迭代
-
8
PRISM——用4段真人搬运视频，让机器人学会搬运各种东西：以真实视频为“种子”，生成“换个物体人会怎么搬”的反事实交互视频，再重建并重定向为符合物理规则的轨迹，最后通过师生蒸馏出策略
-
9
Flex-π——比Fast-WAM更快的多流世界-动作模型：可按需融合RGB和“从RGB中获取的3D pointmap和DINO语义”，联合生成潜在的未来视觉特征和动作
-
10
Show-Harness——仅凭一个VLM智能体即可操控机器人：12个语义动作单元(前进/旋转/抓取)既是模型的思考语言、又是机器人的物理指令
Byte.Coffee
-
1
Episode 65: 华夫饼漏掉的蛋液也很香・陪你跑五公里
-
2
Episode 64: 会飞的老鼠撞在概率分布里・陪你跑五公里
-
3
Episode 63: 垃圾记忆・陪你跑五公里
-
4
Episode 13 :「一切有意义的东西都是要经过时间沉淀的」
-
5
Episode 14: Apple 与教育
-
6
Episode 15: 长大
-
7
Episode 16: 夏日走过山间
-
8
Episode 17：叫醒 Apple Watch 里的米老鼠
-
9
Episode 18: In Vitro Fertilization (IVF) Lab 实地考察
-
10
Episode 19：有能量的人 (To be a person)
Google Developers Blog
-
1
Build Generative UI Apps with A2UI & CopilotKit Agents
-
2
DevFest is back!
-
3
Smaller apps and faster GPU inference with LiteRT in Google Play services
-
4
Hill-Climbing Agent Quality with Agents CLI Evaluation
-
5
Building Conversational Commerce with Multi-Agent Swarms on GCP: A Working Prototype
-
6
Fast, reliable A2UI, with swappable inference formats
-
7
Preview, edit, and collaborate on markdown (.md) files natively in Google Docs and Drive
-
8
Architecting Governed, Self-Evolving AI Agents on the Gemini platform
-
9
Bringing Visual Graph Debugging to Custom Edge Compilers with Model Explorer
-
10
Announcing New vLLM and SGLang Inference Engines on TPU
Phodal 全栈工程师
-
1
开坑！从 AI Coding 到 AI4S：新开源项目 Pero 的一次探索
-
2
从生成动画到可编程产物：在 Harness 中构建 Lottie 创作运行时
-
3
面向人机交互设计 Harness：构建以产物为中心的 Agent Loop
-
4
从可编程到表现力：构建更好的 Agent 运行时重塑用户体验
-
5
Harness Inspector：让 Agent 交付过程可观察、可检查、可追溯
-
6
Agent 插件如何走向工程化：Better Harness 的五个实践
-
7
从 AGENTS.md 开始：构建 Agent 友好项目的五个步骤
-
8
设计流动摩擦：AI 原生团队的核心能力
-
9
Piece：将 Coding Agent 的局部构建反馈提速 10x
-
10
验证工程：从 Vibe 硬件编程 Loop 到自迭代验证
范叶亮的博客
-
1
多智能体系统 (Multi-Agent System)
-
2
本地部署智能体 - OpenClaw，QwenPaw，Hermes Agent …
-
3
确定性和掌控欲 - 你的 AI 不是你的 AI
-
4
LLM Token 消耗节省计划 (How to Save Token for LLM)
-
5
智能体的角色定位和身份演化 (Agent Role Orientation and Identity Evolution)
-
6
本地部署 OpenClaw，QwenPaw 和 Hermes Agent (Local Deployment of OpenClaw, QwenPaw and Hermes Agent)
-
7
深度学习优化算法 (Optimization Methods for Deep Learning)
-
8
部署 frp 内网穿透服务
-
9
部署 Matrix 服务器 Synapse
-
10
本地部署大模型服务 - 养虾系列