第1条智源发布多模态表征世界模型 RoboBrain Orca核心内容北京智源人工智能研究院发布多模态表征世界模型「悟界·RoboBrain Orca」构建统一的世界潜在表征空间将视觉、语言、事件、任务意图等多元信号整合实现对整体「世界状态」的前后演化推演即从预测「下一个词 / 下一帧 / 下一个动作」升级为预测「下一个世界状态」。模型采用有意识与无意识双路径互补训练体系无需标签即可从真实世界视频中习得物体运动、场景演变与因果关联。为什么重要世界模型是具身智能与通用 AI 基础模型的关键方向。从单模态输出转向全局状态推演为机器人、自动驾驶等需要在「脑内」推演世界变化的场景提供了新的技术底座。信息来源北京日报客户端 / 环球网 | 2026-07-09第2条康奈尔与哈佛提出状态-预测分离假说训练效率提升 2.6 倍核心内容康奈尔大学与哈佛大学联合研究arXiv:2607.01218提出「状态-预测分离假说」State-Prediction Separation, SPS将模型的记忆功能与预测功能拆分为两条独立工作流水线后模型用不到原来一半的训练数据即可达到相同水平学习效率较基线提升约 2.6 倍。为什么重要这一发现揭示了大模型内部长期未被充分利用的效率瓶颈为以更少数据与算力训练同等能力模型提供了可验证的路径对降低大模型训练成本具有实际参考意义。信息来源腾讯新闻预印本 arXiv:2607.01218 | 2026-07-09第3条MIT 提出 FrontierOR面向工业级优化算法设计的 LLM 评测基准核心内容麻省理工学院等机构提出 FrontierOR 基准将评测从「能否建模、能否调用求解器」推进到「能否像 OR 工程师一样针对复杂问题结构设计可扩展、高质量、高效率的算法」并在大规模实例上与 Gurobi baseline 进行比较。传统基准多停留在自然语言到数学模型层面FrontierOR 直接把模型推向真实 OR 论文中的工业级问题。为什么重要现有基准无法反映真实工业规模的优化能力。该基准为衡量大模型在运筹优化、算法设计等高价值工程场景的实用性提供了更严格的标尺有助于界定 LLM 在自动算法发现上的真实边界。信息来源新智元 / 网易 | 2026-07-10第4条港中文联合多校发布 CUHK-X 七模态数据集量化 VLM 非 RGB 感知盲区核心内容香港中文大学 AIoT 实验室联合 UIUC、哥伦比亚大学与匹兹堡大学发布包含 64,267 个七模态同步样本的数据集 CUHK-X首次系统量化视觉语言模型VLM在热成像、深度、毫米波雷达、IMU 等非 RGB 模态上的能力断崖——即便将模型参数堆到 235B仍无法弥补这一差距。该工作已被 ACM MobiSys 2026 录用。为什么重要当前多模态模型能力几乎都建立在 RGB 图像上而真实居家、养老、医疗监测场景高度依赖非 RGB 信号。该数据集暴露了关键的评测与训练数据缺口推动多模态模型走向更贴近真实世界的感知能力。信息来源新智元 / 网易 | 2026-07-04第5条阿里 AMAP CV Lab 提出世界行动模型 WAM让机器人「边走边干活」核心内容阿里巴巴 AMAP CV LabarXiv:2607.00678提出 ABot-M0.5 系统核心思路是让机器人不仅「看到当下」、还能「预见未来」并据此决定下一步动作。这种能主动预见世界变化再行动的机制被称为「世界行动模型」WAM, World Action Model相关代码已开源于 GitHub 平台。为什么重要「边移动边操作」是具身智能落地的高频难题如移动中精准抓取。WAM 将预测与动作决策耦合为复杂场景下的机器人自主作业提供了新架构思路且以开源降低了复现门槛。信息来源腾讯新闻预印本 arXiv:2607.00678 | 2026-07-08数据来源公开信息整理