结构之法 算法之道
-
1
Zero-WAM——基于人类视频的上下文世界-动作建模：面对未见任务，给一段人类示范视频作为prompt，不微调直接输出对应的机器人未来视频和可执行动作
-
2
ReferTrack——“先认出，再跟随”的智能跟随方法：基于 Refer-CoT与TVBI的单目具身视觉跟踪
-
3
Facet-0——用价值引导的RL教会VLA精密装配：通过“动作–力觉”的联合预测，让接触可预测、可估值(接触成了动作的后果，价值来定接触那一瞬怎么下手)
-
4
RoboPocket——从UMI式被动采集到无机器人即时策略迭代：基于iPhone与AR视觉前瞻的实时闭环数采系统(无需离线SLAM后处理)
-
5
ω-0——用于人形行走-操作的隐空间预测世界动作模型(全身VLA没有的未来视镜）：抛弃像素级视频生成，以轻量“未来视觉latent预测”驱动全身动作扩散生成，实现边走边干活
-
6
τ0-VLA——具有世界模型“引导测试时计算”的分层机器人模型：首先生成多个子任务候选，然后世界模型预演，最后价值模型评估
-
7
Robo-ValueRL——面向离线到在线强化学习的可靠价值估计：同时捕捉全局任务进度和局部动作偏好，先离线预训练，后在线提升
-
8
RoboTTT——面向机器人策略的上下文扩展：将TTT集成至VLA中以推理时建立记忆信息，从而将视觉-运动上下文扩展到 8K 个时间步
-
9
ABot-AgentOS——具备多模态记忆的通用智能体操作系统：Agent Harness层(含上下文管理和验证系统)、LLM、记忆作为大脑，自主调用下层导航、操作、运控相关的技能
-
10
HoloAgent-0——具备三维空间记忆的统一具身Agent框架：Agent自主拆解、规划，且按需调用技能层中的导航、VLA操作、全身运控，以及记忆层中的空间与时间记忆
Byte.Coffee
-
1
Episode 22 ：「温和、审慎、理性和乐观的极简主义者」
-
2
Episode 11: 极简 Minimalism
-
3
Episode 12: State-of-the-art
-
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
Announcing ADK for Kotlin 1.0: Building Production-Ready AI Agents in Kotlin, Android, and Beyond
-
2
The Anatomy of Harness Engineering: How to Evaluate, Iterate, and Guard AI Coding Agents
-
3
Driving Developer Excellence: Inside the Program Sprints
-
4
4 engineering patterns behind the strongest AI Agents Challenge submissions
-
5
Decoding cosmic signals with deep learning and Keras
-
6
Enterprise-Grade Precision for Long-Context Multimodal Embedding Inference on Cloud TPU
-
7
How to Evaluate Live & Voice Agents in ADK
-
8
Build zero-trust AI agents with Google's Agent Development Kit
-
9
HeyGen x Google Cloud: Bringing Avatar IV to TPUs
-
10
Introducing Credentio: Open Source C++ Library for C2PA Content Credentials from Google
Phodal 全栈工程师
-
1
从生成动画到可编程产物：在 Harness 中构建 Lottie 创作运行时
-
2
面向人机交互设计 Harness：构建以产物为中心的 Agent Loop
-
3
从可编程到表现力：构建更好的 Agent 运行时重塑用户体验
-
4
Harness Inspector：让 Agent 交付过程可观察、可检查、可追溯
-
5
Agent 插件如何走向工程化：Better Harness 的五个实践
-
6
从 AGENTS.md 开始：构建 Agent 友好项目的五个步骤
-
7
设计流动摩擦：AI 原生团队的核心能力
-
8
Piece：将 Coding Agent 的局部构建反馈提速 10x
-
9
验证工程：从 Vibe 硬件编程 Loop 到自迭代验证
-
10
从复杂编辑器到 Agent 工作台：Office 的 Cursor 时刻
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