刷视频也能教会机器人干活：1200亿tokens人类动作预训练，误差按幂律下降
亮源新创9月21日发布技术博客，披露Light-O1的人类动作预训练规模从37.5亿扩展到1200亿tokens（约10万小时人类动作），在第一视角人类数据、公开机器人数据和自研人形机器人数据上适配后，动作预测误差、全身姿态误差和腕部位置误差均随规模扩大持续下降并呈幂律趋势，官方称之为迁移缩放定律。
全部 AI 动态
量子位AI 评分6060
Hugging Face BlogAI 评分1818 英国 AISI 采用 EvalEval 基础设施公开评测结果
英国 AI Security Institute（AISI）正使用 EvalEval 的 Every Eval Ever schema 和 Evaluation Cards 平台公开分享评测结果，以提升评测的可复现性。
The DecoderAI 评分2222 布里斯托大学研究人员提出医学 AI 可靠性测试框架，借鉴药物上市标准
布里斯托大学研究人员提出名为 "Learning Ensemble" 的框架，借鉴药物上市的信息包模式，要求医疗 AI 开发者在系统用于患者前记录并核查三类内容：系统适用边界（面向哪些医生或诊所、运行硬件、训练数据）、跨患者群体的可靠性，以及系统是否契合预期临床用途。
量子位精选AI 评分7878 Robocurve 发布 RoboHarm 基准：GPT-6 Astra 在 97% 危险任务中尝试执行
第三方公益机构 Robocurve 发布机器人安全基准 RoboHarm，把 GPT-6 Astra、Fable 5.1 和 MolmoAct2 接入同一套双机械臂机器人，测试刺伤类人生物、加热压缩气体、制造有毒烟雾等五类危险任务，每个任务重复 20 次。
选题角度：第三方机构把多个前沿模型接入真实机械臂做危险任务测试，公开了完整视频和数据，适合做效果对比与安全争议讨论。
The DecoderAI 评分6060 腾讯发布 Gander 研究模型，边对话边在后台执行任务
腾讯混元语音团队与多所高校研究者提出 Gander，一个能一边实时对话一边在后台处理复杂任务的 AI 模型，同时接收语音、图像和文本。它把工作拆成负责实时对话的“小脑”和负责推理与复杂任务的“大脑”，大脑可换成 Codex 或 Claude Code 等智能体系统而无需重新训练对话模型，测试中由 OpenAI GPT-5.6 系列的一个未指明模型担任该角色。
The DecoderAI 评分6262 微软 StudentSim 用模拟学生训练 AI 导师，在象棋、英语和数学上超过 GPT-5.4
微软研究人员提出 StudentSim，用学生数字副本为 AI 导师提供快速反馈，解决真实学生数据训练成本高、耗时长的问题。系统以 Qwen3-4B-Instruct 为基座，分两阶段训练：先在学科内汇总数据上学习共性错误与修正模式，再针对单个学生用少量记录做适配。
The DecoderAI 评分7171 RoboHarm 新基准测试：GPT-6 Astra 与 Claude Fable 5.1 操控机械臂时几乎不拒绝危险指令
Robocurve 发布 RoboHarm 基准，测试 AI 模型在操控机械臂时是否会拒绝危险指令，结果大多数情况下不会。研究用 I2RT-YAM 机械臂测试 Anthropic 的 Claude Fable 5.1、OpenAI 的 GPT-6 Astra 和 Ai2 的 MolmoAct2，每项指令 20 次尝试、共 300 次试验并由人工评审。
量子位AI 评分6060 Nature 梳理 GPT-1900 实验：AI 能否重新发现光量子
Nature 最新文章梳理了独立研究者 Michael Hla 的 Machina Mirabilis 项目，他用 Andrej Karpathy 的 nanochat 框架从零训练了 33 亿参数的 GPT-1900。
The DecoderAI 评分3838 Google DeepMind 推出 Dream-RSI：让 AI 智能体通过“做梦”回放搜索历史来改进策略
Google DeepMind 提出 Dream-RSI，让 AI 智能体复用已完成搜索的记录来测试新策略，无需重新调用模型或评估器。
量子位AI 评分3838 PhAI Labs 联合牛津、斯坦福等发布 JEPA-Anything：跨七类系统验证的预测学习框架
PhAI Labs 联合牛津、斯坦福、普林斯顿、港中文等团队发布 JEPA-Anything，一个面向不同"世界"学习预测模型的跨领域框架，核心机制为 OPF（正交预测分解）。
量子位AI 评分7272 阿里达摩院 DAMO RADAR 登上 Science，一个模型诊断腹部 146 种病
阿里达摩院联合浙大一院等医院的通用腹部影像 AI 模型 DAMO RADAR 登上 Science，覆盖 18 种解剖结构、146 种疾病，模型、代码、技术框架全部开源。
FireshipAI 评分4242 Google DeepMind 发布 Dream-RSI：把旧发现日志变成模拟器
Google DeepMind 发布 Dream-RSI，可将 AI 此前的发现日志转化为模拟器，用于测试数千种探索策略。该技术被讨论为是否属于 RSI，还是带缓存的搜索算法。
Wes RothAI 评分3838 Google 用 Dream-RSI 让 AI 在"梦境"中重放实验，优化下一步实验选择
Google 研究人员提出 Dream-RSI，把已记录的发现转化为可重放的世界，让智能体在跑新实验前先测试更优的研究策略。该工作探索"学会选择正确实验"能否成为递归自我改进的关键组件，相关项目附有交互式解释与论文。
NVIDIA BlogAI 评分3030 曼彻斯特大学用 NVIDIA Earth-2 预测全英空气污染
曼彻斯特大学团队基于 NVIDIA Earth-2 的生成式模型 Earth-2 CorrDiff，用一年英国逐小时污染模拟数据训练出覆盖全英、分辨率 2-3 平方公里的空气污染模型，在 Isambard-AI 单节点 8 块 GPU 上仅用两天完成训练。