第1条RoboScience展示Visics具身大模型实现30秒换手即用跨本体泛化核心内容在2026年WAIC上RoboScience展示了通用具身大模型Visics的核心能力——一套统一模型可同时操控多款不同品牌的灵巧手从接通到识别再到流畅执行抓取任务整个过程压缩在30秒以内。该模型采用自研VLOAVision-Language-Object-Action架构以物体为核心进行感知、规划与执行引入ObjectTrajectory作为上下层中间接口。Visics以Zero-shot方式完成对新硬件的即时适配无需针对特定机械手进行重新训练或微调。为什么重要这标志着具身智能正从一机一模型的定制化时代转向统一算法底座驱动异构硬件的规模化阶段。RoboScience已与腾讯云达成战略合作Visics将成为首个具备云端部署能力的具身大模型在商超场景下的多SKU抓取成功率稳定在99%以上。信息来源WAIC 2026现场演示 / RoboScience官方 | 2026年7月18日第2条北邮与StepFun联合提出MentalThink让多模态模型通过画图进行空间推理核心内容北京邮电大学、中国科学院大学和StepFun联合提出MentalThink框架让多模态大语言模型在推理过程中使用SVG代码绘制空间关系图然后再基于图形继续推理。该方法借鉴人类心理意象能力让模型将抽象空间关系可视化后再进行逻辑判断。在VSIBench基准上MentalThink使Qwen2.5-VL-7B的准确率从31%提升至55.1%在三维心理旋转测试MindCube上从36%提升至76%部分维度表现达到或超过GPT-5和Gemini 2.5 Pro等商业模型。为什么重要该研究揭示了大模型在空间推理上的根本瓶颈——纯文字推理难以处理空间关系——并提出了一个可复现的解决方案。其方法不依赖模型内部架构修改而是通过外部思考表示SVG增强推理能力具有较强的通用性。信息来源arXiv:2607.03530 | 2026年7月17日第3条浙江大学发布求是引擎AI自主科研系统支持千步级长程科研推理核心内容浙江大学信息与电子工程学院发布了求是引擎科学发现系统这是国内首款具备千步级长程科研推理能力的AI系统。该系统采用多智能体协同框架内设研究规划、方法构建、任务执行、结果分析和风险质疑等模块。在一次真实光学实验平台验证中系统连续自主开展十几个小时的科研工作历经多轮失败与迭代修正后产出多项原创科研成果——同等工作量若由科研人员独立推进通常需要数周到数月。为什么重要求是引擎区别于仅作为辅助工具的现有AI科研系统其核心创新在于具备自主试错、修正、再验证的推进能力。目前已覆盖物理学、光学、生命医学和数学等十余个方向在计算物理领域针对数十年悬而未决的基础难题提出了全新理论方法。信息来源中国新闻网 | 2026年7月16日第4条华中科大与小米提出DeltaV模型用视觉更新替代全图像生成核心内容华中科技大学与小米公司联合提出DeltaV模型针对统一大型多模态模型ULMMs的视觉推理效率问题进行了创新。当前ULMMs在生成中间视觉状态时通常输出完整图像引入大量视觉令牌冗余。DeltaV改用增量预测紧凑更新令牌的方式仅捕获推理步骤中的视觉变化避免对不变内容的重复建模。模型同时引入TSIM路由器来匹配令牌预算并使用StructCoT数据集进行训练。DeltaV-2B版本在多项基准上表现出色。为什么重要该工作为多模态推理中的视觉令牌效率问题提供了一条务实的技术路径。随着多模态模型在Agent、科学计算等场景中的推理步数持续增长减少每步的视觉令牌开销将直接影响计算成本与响应延迟。信息来源arXiv:2607.08434 | 2026年7月10日第5条Anthropic发现Claude内部存在可审计的神经工作空间J-Space核心内容Anthropic于2026年7月6日发表研究通过一种称为Jacobian透镜J-lens的技术发现Claude模型内部存在一个小的神经工作空间——J-space。该空间保存模型正在主动处理但未在输出中呈现的概念。J-lens使研究者能够读取、审计和干预Claude的内部思考过程。该发现与认知神经科学中的全局工作空间理论Global Workspace Theory相平行。Anthropic同时开源了J-lens实现并发布了Neuronpedia演示。为什么重要这是AI可解释性领域的一项重要进展。J-lens为监控和审计模型内部状态提供了实用的工具手段与依赖事后输出分析相比直接观察模型内部表征可能更早发现潜在的安全问题。研究团队并未声称Claude具有意识而是将J-lens定位为一种可解释性和AI安全工具。信息来源Anthropic官方研究博客 / AI Native Foundation | 2026年7月6日数据来源公开信息整理