|
|
AI 动态 · 2026.07.29
侧重 AI Coding 与具身智能
① 代码 Agent：多修几轮，不等于更可靠
arXiv 新论文《Looping Is Not Reliability》分析 30 个 HumanEval 修复任务、900 条三轮修订轨迹。强制继续修订时，代码带当前验证轨迹的正确率从第一轮 82.0% 降到第二轮 67.3%；在相同起始代码的复现实验中，陈旧测试轨迹导致 135 个正确起点中 34 个被破坏，当前轨迹仅 4 个。论文提出把验证证据绑定到精确代码状态，并保留已验证检查点。
值得关注：AI Coding 的风险已从“能不能生成正确补丁”转向“能否保住正确补丁”。生产级 Agent 需要状态绑定验证与可回滚检查点，不能只靠无限自我修正。
② SpecBox：把 MCP 沙箱冷启动藏进模型生成过程
北航、利兹大学、悉尼大学团队发布 SpecBox。系统在 LLM 仍在生成 token 时，通过关键词和流式语义识别预测工具调用并预热沙箱，再用依赖图预测下一步沙箱切换；同时加入语义结果缓存与共享内存零拷贝传输。高并发多轮 Agent 轨迹测试中，P99 端到端延迟最高降低 2.9 倍，峰值内存较常驻沙箱方案减少 45.9%。
值得关注：MCP 进入云规模后，真正的瓶颈会从“协议能不能连”转到“多租户沙箱能不能低延迟运行”。SpecBox 给出了一条兼顾隔离、成本和响应速度的工程路线。
③ GUI Agent：从“看截图点按钮”升级为学习界面状态变化
《Scaling GUI Agents with Visual State Transitions》提出状态转移预训练 STP：同时训练“根据界面变化反推动作”和“根据当前界面与动作预测下一界面”，让模型形成动作对齐的视觉表征与 GUI 内部世界模型。后续再用任务轨迹微调，在 AgentNetBench、AndroidControl、GUIOdyssey 的桌面和移动端基准上均持续优于仅做轨迹微调的基线。
值得关注：GUI Agent 的 Scaling 不再只靠堆任务轨迹，还可以直接规模化学习“操作前后发生了什么”，这可能提高跨应用迁移与长流程操作稳定性。
④ 德塔智能近 5 亿元融资：资本转向“全身数据 + 基础模型”
德塔智能完成近 5 亿元天使++轮融资，是成立半年内第六轮。资金用于人形机器人基础模型、自研数采设备量产、数据闭环和工业验证。同期发布的 Delta D1 头戴设备无需机器人本体和动捕棚，即可同步采集第一人称全景视觉与全身关节轨迹，全局定位精度控制在 2 厘米以内。
值得关注：具身竞争正在从本体展示转向全身交互数据基础设施。若不依赖机器人即可低成本采集攀爬、推拉重物等全身协同数据，模型训练规模和本体适配速度都有机会明显提升。
⑤ 首届智能机器人应用技能大展启动：从“会炫技”转向“能上岗”
中央广播电视总台 7 月 28 日在北京启动首届智能机器人应用技能大展，聚焦制造、维修、零售、康养、应急救援等真实场景。“AI 防汛勇士”“杭警智行”等亮相，浙江、湖北、江苏发布实景实训标志性场景。同期数据显示，中国自主品牌工业机器人已覆盖 253 个国民经济行业中类，近五年国内销量年均增长 29%；2025 年出口首次超过进口，产品销往 156 个国家和地区。
值得关注：具身产业开始建立持续实训、数据发布、案例评估和供需对接机制。评价标准正在从舞台动作切换到复杂环境下的可靠作业。
今日判断
AI Coding 的主线是“可靠性与沙箱工程”；具身智能的主线是“数据基础设施与真实场景验证”。两条赛道都从模型能力竞赛进入系统工程阶段。
来源：
arXiv 2607.24604《Looping Is Not Reliability》（7.27）
arXiv 2607.23933《SpecBox》（7.27）
arXiv 2607.24112《Scaling GUI Agents with Visual State Transitions》（7.27）
中国证券报·中证网《德塔智能完成近5亿元天使++轮融资》（7.28）
央视网《智竞未来！总台首届智能机器人应用技能大展启动》（7.28） |
|
发表于 2026-7-29 07:45:12
