来源：西湖机器人 文章链接：https://mp.weixin.qq.com/s/FJh__9hEIzArZXuGCWV9-w进入2026年，具身智能的竞争重心已转向底层模型的通用性与持续进化能力。 VLA（视觉-语言-动作，Vision-Language-Action）模型被视为通往通用具身智能最有希望的技术路线之一。但VLA要从实验室走向规模化应用，还需要回答两个核心问题： ● 理解任务...

来源：龙哥读论文 文章链接：https://mp.weixin.qq.com/s/Yf4HUyTkjkiYzwKqFsjgsg 以往我们看到的Agent做图像恢复，大多是把几个预训练好的模型拼在一起，靠LLM或者VLM一个一个地选、一个一个地调。但龙哥最近推过的一些Agent方法（比如AgenticIR），暴露了一个核心问题：工具之间根本不会“说人话”，各干各的，最后效果就卡住了。哈工大和华...

来源：数智地球原文链接：https://mp.weixin.qq.com/s/6beKkoxnLeyz-RxUsWeCPA近日，网络信息体系技术重点实验室团队的2篇研究论文被 ACM MM 2026 接收。 ACM International Conference on Multimedia（ACM MM）是国际计算机多媒体与人工智能领域的顶级会议之一，也是中国计算机学会 CCF-A 类学术...