https://rookiexiong7.github.io/blog/论文解读、研究笔记，以及一路上的所思所想。zh-cnhttps://rookiexiong7.github.io/blog/posts/groundingpi/https://rookiexiong7.github.io/blog/posts/groundingpi/Tue, 13 Oct 2026 00:00:00 GMT点和框的定位训练，能否让机器人用更少示范学会动作？GroundingPI 用统一坐标词表、感知数据引擎与强化后训练构建 grounding 骨干，并在固定动作模型的条件下检验迁移。本文梳理其定位能力、机器人泛化与驾驶结果，以及密集定位和 OCR 数据消融的证据边界。https://rookiexiong7.github.io/blog/posts/agent-garten/https://rookiexiong7.github.io/blog/posts/agent-garten/Sun, 11 Oct 2026 00:00:00 GMTAgent 需要既能保留动作后果、又能提供丰富视觉观测的练习环境。AgentGarten 将代码维护的世界状态与实时神经渲染分开，并让预训练 Agent 通过跨轮 playbook 积累经验。本文分析条件接口、Adversarial Forcing 和学习案例，区分渲染真实性、状态可靠性与长期能力改进。https://rookiexiong7.github.io/blog/posts/learn2play-bench/https://rookiexiong7.github.io/blog/posts/learn2play-bench/Sun, 11 Oct 2026 00:00:00 GMT答对已知游戏，不足以证明 Agent 从交互中学到了规则。Learn2Play Bench 用 20 个隐藏规则游戏比较模型、经验保留与执行框架。本文分析峰值成绩和学习速度的区别、原始记忆与抽象规则的对照，以及跨实例迁移和人类比较的评价条件。https://rookiexiong7.github.io/blog/posts/self-retrospection-distillation/https://rookiexiong7.github.io/blog/posts/self-retrospection-distillation/Sun, 11 Oct 2026 00:00:00 GMT当一组尝试全部失败，标量奖励没有对比，但轨迹仍留下了失败原因。Self-Retrospection Distillation 用事后信息监督行动前的知识与陷阱预测。本文分析训练目标、同奖轨迹、十项评测和通道消融，并区分训练成功率、测试收益与额外推理。https://rookiexiong7.github.io/blog/posts/long-wam/https://rookiexiong7.github.io/blog/posts/long-wam/Sun, 11 Oct 2026 00:00:00 GMT机器人看到更长历史，并不意味着能用好历史。Long-WAM 先学习自回归视频预测，再把历史和部分去噪的未来表征连接到动作生成，并用流式编码与异步执行降低等待。本文分别分析上下文扩展、预测表征、真机任务和系统加速的证据。https://rookiexiong7.github.io/blog/posts/false-frontiers/https://rookiexiong7.github.io/blog/posts/false-frontiers/Sun, 11 Oct 2026 00:00:00 GMT出题者与解题者互相认可，会不会把共享错误当成训练进步？False Frontiers 用外部证据审计发现 co-cheating，并通过按来源划分训练数据的 CrossFit 改变出题者反馈。本文区分入库验证和反馈来源，分析自适应训练与固定题库重放中的证据。https://rookiexiong7.github.io/blog/posts/one-streamer/https://rookiexiong7.github.io/blog/posts/one-streamer/Sun, 11 Oct 2026 00:00:00 GMT视频助手需要先保留事实，再判断什么时候回答。OneStreamer 用分层描述记忆补充近期视觉窗口，并通过状态转移监督学习何时记录、等待与响应。本文拆解在线因果约束、训练数据和八项基准，分析文本记忆的收益、延迟与纠错缺口。https://rookiexiong7.github.io/blog/posts/frame-morrow/https://rookiexiong7.github.io/blog/posts/frame-morrow/Sun, 11 Oct 2026 00:00:00 GMT与当前画面最相似的历史，不一定对下一段生成最有帮助。FrameMorrow 预测少量 prospective tokens，以未来相关性给历史帧排序，并通过现有参考帧接口接入生成器。本文分析训练时未来监督、推理时因果约束、匹配预算比较和长时一致性的边界。https://rookiexiong7.github.io/blog/posts/unievo-vl/https://rookiexiong7.github.io/blog/posts/unievo-vl/Sun, 11 Oct 2026 00:00:00 GMT生成模型能否从自己发现的图像错误中学习？UniEvo-VL 将修改建议变成教师的特权上下文，在学生自己的去噪轨迹上进行自蒸馏。本文核对生成与反馈模块的实际分工，比较验证前后的 GenEval、GenEval2 和 OCR 结果，分析局部改进与能力回归。https://rookiexiong7.github.io/blog/posts/world-audit-bench/https://rookiexiong7.github.io/blog/posts/world-audit-bench/Sun, 11 Oct 2026 00:00:00 GMT发现悬浮物体可以看一张图，确认穿墙或物体消失则需要行动与记忆。WorldAuditBench 用 213 个三维异常任务比较边探索边推理和固定轨迹分析。本文分析任务提示、探索预算、评审与暴露诊断，区分没有看到异常和看到后没有理解。https://rookiexiong7.github.io/blog/posts/loopvl/https://rookiexiong7.github.io/blog/posts/loopvl/Sun, 11 Oct 2026 00:00:00 GMT视觉语言模型增加有效深度，是否必须增加同等规模的参数？LoopVL 让低层与高层模块循环更新多模态状态。本文从计算预算、训练和推理循环的匹配、视觉注意力变化出发，分析参数复用的收益，以及为什么更多循环不自动带来更好答案。https://rookiexiong7.github.io/blog/posts/motor-mind/https://rookiexiong7.github.io/blog/posts/motor-mind/Sun, 11 Oct 2026 00:00:00 GMT通用视觉语言模型能否不依赖任务专用动作训练来控制机器人？MotorMind 以中层动作接口连接 VLM 决策与确定性控制，并加入异步监控、验证和记忆。本文对照零样本与微调策略、动态任务和真机实验，分析接口带来的收益及定位误差。https://rookiexiong7.github.io/blog/posts/realvr/https://rookiexiong7.github.io/blog/posts/realvr/Sun, 11 Oct 2026 00:00:00 GMT隐藏状态里多做几步计算，不代表模型更依赖图像。ReaLVR 用相关与错配视觉原型约束自由生成的潜在轨迹，再用正确和错误答案的读出差异分配监督。本文分析证据信用缺口、训练梯度、五项基准与干预实验，区分注意力变化和因果解释。https://rookiexiong7.github.io/blog/posts/embodiedrsi/https://rookiexiong7.github.io/blog/posts/embodiedrsi/Thu, 08 Oct 2026 00:00:00 GMT机器人每试一次，都应该让下一次改进更有依据。EmbodiedRSI 在冻结机器人基础模型的条件下，用假设图组织代码与技能的修改方向，按信息增益与成本选择实验，再通过强化学习保留有助于后续改进的记忆。本文拆解这套闭环，并分析仿真泛化、真机迁移和有限交互预算下的实验结果。https://rookiexiong7.github.io/blog/posts/lego-anything/https://rookiexiong7.github.io/blog/posts/lego-anything/Thu, 08 Oct 2026 00:00:00 GMT如果编程 Agent 理解了一张图像，能否把它写成可查询的三维场景？LEGO-Anything 将单图重建变成 Blender 程序构建，用几何与外观指标诊断迭代失败，再通过初始化、工具反馈和版本控制改善结果。本文分析这种表示的价值，以及它距离可靠的检测、分割和深度预测还有多远。https://rookiexiong7.github.io/blog/posts/self-evolving-coding-agents/https://rookiexiong7.github.io/blog/posts/self-evolving-coding-agents/Thu, 08 Oct 2026 00:00:00 GMT机器人执行结束后，留下的应该不只是动作轨迹。Self-Evolving Coding Agents 提出 Physical Coding，以世界程序维护状态与约束，以策略程序组织执行、验证和恢复，并用 HexaAnything 将通过验证的经验转化为工具修订与模型训练数据。本文分别分析执行框架、模型和工具的实验收益，以及当前自我进化证据的范围。https://rookiexiong7.github.io/blog/posts/show-harness/https://rookiexiong7.github.io/blog/posts/show-harness/Thu, 08 Oct 2026 00:00:00 GMTVLM 理解了任务，为什么仍难以稳定控制机器人？Show-Harness 将移动、旋转与抓放组织成可解释的动作单元，再由本体适配的解释器落实为运动。本文拆解这一接口、零样本与小模型微调两种模式，以及真实机器人实验对泛化、精度和响应速度的启示。https://rookiexiong7.github.io/blog/posts/harnessdev/https://rookiexiong7.github.io/blog/posts/harnessdev/Thu, 08 Oct 2026 00:00:00 GMTAgent 的能力有多少来自模型，又有多少来自执行框架？HarnessDev 把可运行、可复用的框架本身作为评测对象，分别检验从弱起点创建系统和根据执行反馈持续改进的能力。本文拆解创建者与执行者的分工、跨模型迁移，以及反馈集上的收益为何未必能保留到新任务。https://rookiexiong7.github.io/blog/posts/code-as-worlds/https://rookiexiong7.github.io/blog/posts/code-as-worlds/Thu, 08 Oct 2026 00:00:00 GMT视频里发生了什么，与它为什么这样运动，是不同的问题。Code as Worlds 用代码分开表达世界构成、动态演化和视觉外观，通过执行与证据核对迭代世界假设，再从保留的世界中生成可量化的训练监督。本文分析这套发现流程、QuantiPhy 上的收益，以及轨迹拟合、物理机制和模型能力之间的边界。https://rookiexiong7.github.io/blog/posts/dream-rsi/https://rookiexiong7.github.io/blog/posts/dream-rsi/Wed, 07 Oct 2026 00:00:00 GMT改进探索策略本身，为什么也需要昂贵的探索？Dream-RSI 将历史搜索树变成可回放环境，用低成本反馈改写探索策略，再投入下一轮真实搜索。本文拆解这一闭环的机制、质量与成本目标，以及历史回放的能力边界。