1. OpenAI 低资源编程语言能力更新：MultiLangBench 20 语言基准 + GPT-6 Astra 平均通过率 87.4%
openai.com 官方博客 | 2026-10-19
事件概述
OpenAI 于 10 月 19 日发布官方博客《Advancing coding in low-resource programming languages》，公布最新模型在 COBOL、Fortran、Visual Basic 等「低资源编程语言」上的构建与迁移能力，并同步开源两个自建评测：MultiLangBench（在 20 种语言中从零构建 SQLite 兼容数据库引擎）与 COBOL 迁移评测（迁移后保持可观察行为逐字节一致）。官方 X 账号同日发布。
技术与工程价值
- 核心机制：评测设计从「补全一段代码」推进到长程工程任务——MultiLangBench 要求模型在较长会话中组织代码库、管理状态、处理错误、增加功能且不破坏既有行为；以数据库文件为共享接口，由参考 SQLite 实现验证输出，跨语言可比；测试集由 SQLite TCL 套件转换而来（约 5.1 万项中 2.4 万项可转换为该格式，例行运行推荐 272 项子集）。COBOL 迁移评测要求 byte-for-byte 输出一致，直接对准定点算术丢位等「行为保持」难点（官方明确提示：舍入方式不同的重写可以不报错地算出不同财务结果）。
- 实际影响：把编码模型的竞争疆域从流行语言基准扩展到承载全球关键基础设施的遗留技术栈（COBOL 支撑超 40% 在线银行系统、80% 线下刷卡交易、95% ATM 交易，Fortran 用于气象预报与核反应堆安全分析）；开源评测使「行为保持型迁移」可被独立复跑，也为主机现代化市场（IBM watsonx Code Assistant for Z、AWS Transform）引入通用模型变量；官方同时邀请开发者反馈下一步应覆盖的语言与工作流。
关键指标/资源
| 指标 | 数值 | | 口径 |
|---|
| MultiLangBench 平均通过率（Astra） | 87.4% |
| 自述 |
| GPT-5.6 Sol 同基准 | 26.8% |
| 对比 |
| COBOL 通过率（Sol→Astra） | 10.9%→72.1% |
| 自述 |
| COBOL 迁移准确率（高推理） | 97.9% |
| 自述 |
| Luna 单样本成本降幅 | -78% |
| 自述 |
- 评测/性能（均为 OpenAI 自建评测的自评口径，未见第三方复现；COBOL 迁移评测为隐藏测试集，外部无法独立验证）：MultiLangBench 平均通过率 GPT-6 Astra 87.4%（GPT-5.6 Sol 为 26.8%），19/20 种语言超过 83%，其中 COBOL 10.9%→72.1%、OCaml 25.6%→85.8%、Fortran 21.4%→83.5%、Visual Basic 27.5%→89.4%；GPT-6 Luna 平均 40.3%，单样本约 $0.77（GPT-5.6 Sol 为 $3.48，降约 78%）；COBOL 迁移 GPT-6.1 Sol 低推理强度 86.6%（GPT-5.6 Sol 同设置 5.4%）、成本低 39%，高推理强度 97.9% 接近饱和。
- 代码/论文：官方博客 openai.com/index/low-resource-programming-languages/" target="_blank" rel="noopener">openai.com/index/low-resource-programming-languages；MultiLangBench 评测仓库随文开源（GitHub）。
```metrics
[{"label":"MultiLangBench 平均通过率（Astra）","value":"87.4%","kind":"self","bar":87},{"label":"GPT-5.6 Sol 同基准","value":"26.8%","kind":"compare","bar":27},{"label":"COBOL 通过率（Sol→Astra）","value":"10.9%→72.1%","kind":"self","bar":72},{"label":"COBOL 迁移准确率（高推理）","value":"97.9%","kind":"self","bar":98},{"label":"Luna 单样本成本降幅","value":"-78%","kind":"self","bar":78}]
```
#AI-Coding#基准评测#遗留系统
2. Dream Labs 9000 万美元种子轮 + Dream API 上线：全球首个公开的「机器人大脑」API，零样本跨本体控制
BusinessWire | 2026-10-19
事件概述
由前 NVIDIA GR00T 机器人研究负责人团队（今年 2 月提出世界动作模型 WAM / DreamZero）创立的 Dream Labs 于北京时间 10 月 20 日上午宣布 9000 万美元种子轮（B Capital 领投，Kindred Ventures、A.Capital、Unusual Ventures、SV Angel、Wing VC、Scribble VC 及 Adrian Aoun 跟投），同时上线 Dream API——官方称为首个面向公众的机器人基础模型 API：输入机器人相机画面与自然语言指令，直接输出电机控制指令，且对训练中未见过的机器人同样有效。同步推出 Fine-tuning as a Service 与 Robot Playground（浏览器实时遥操旧金山办公室真机）。
技术与工程价值
- 核心机制：旗舰模型 Dream-1 从人类日常操作视频学习，预测「接下来发生什么」并推导机器人动作（世界动作模型路线，视频预测与动作生成同源）；零样本控制任何带平行夹爪的双臂机器人——通过末端位姿动作空间 + 各机器人自有 IK 解算实现跨本体泛化；对 20+ 硬件伙伴逐本体精调；资金主要用于算力扩张。
- 实际影响：把「机器人基础模型」从实验室/深度合作推向 API 化消费——全球约 500 万台工业机器人几乎全部为单任务编程、技能无法跨机迁移，而廉价硬件（$2,000 级双臂套件）出厂即「无大脑」；早期伙伴 MakerMods 称其 $2,000 双臂机器人数分钟内跑通未编程任务。官方以「租车」类比：新机器人几分钟可用而非数月。
关键指标/资源
| 指标 | 数值 | | 口径 |
|---|
| 种子轮融资 | $90M |
| 自述 |
| 硬件合作伙伴 | 20+ |
| 自述 |
| 支持机器人价位 | $2k–$10k |
| 自述 |
| 定价（媒体口径） | $3/小时 |
| 自述 |
- 评测/性能（均为公司自述口径，未见第三方复现）：零样本控制任意带夹爪机器人；已支持机器人价位约 $2,000–$10,000；当前聚焦桌面任务（抓放、折叠衣物），轮式移动平台与灵巧手后续支持；使用价格约 $3/小时（机器之心报道口径，BusinessWire 新闻稿未含定价，待核实）；官方称在仿真中对 27 台未见机器人做零样本评测、每台 300 次 rollout（二级渠道转述，待核实）。
- 代码/论文：BusinessWire 新闻稿（2026-10-19 23:06 ET）；官网 dreamlabs.ai" target="_blank" rel="noopener">dreamlabs.ai；团队前作为 arXiv DreamZero / World Action Models（2026-02）。
```metrics
[{"label":"种子轮融资","value":"$90M","kind":"self","bar":90},{"label":"硬件合作伙伴","value":"20+","kind":"self","bar":60},{"label":"支持机器人价位","value":"$2k–$10k","kind":"self","bar":40},{"label":"定价（媒体口径）","value":"$3/小时","kind":"self","bar":30}]
```
#具身智能#世界动作模型#API
3. Ropedia W0 跨本体移动操作世界模型：10k 小时人类经验预训练，五个跨本体基准登顶并开源
arXiv:2610.26855 | 2026-10-19
事件概述
Ropedia（新加坡具身创企）联合南洋理工大学、杜克大学、加州大学圣地亚哥分校与清华大学于 10 月 19 日提交论文并发布 Ropedia W0——自称首个跨「人类 + 多形态机器人」的第一视角移动操作（loco-manipulation）世界基础模型。论文、代码与 5B 权重同步公开（GitHub Ropedia/ropedia-w0，Hugging Face ropedia-ai/Ropedia-W0，基于 Wan2.2-TI2V-5B 的视频扩散 Transformer），并推出长程基准 Xp-Teleop。
技术与工程价值
- 核心机制：以统一运动学表征归一异构动作空间——移动操作通过相机位姿表征、物体操作通过投影骨架表征（机器人骨架 = 本体 FK + 大量人工关键点标注与校正）；训练数据 Xp-Data 含 10k 小时人类 + 3k 小时机器人第一视角视频，带统一多模态标注与系统性质控；训练分「人类预训练 → 人机混合中训练 → 目标机器人可选后训练」三段；蒸馏版支持实时、分钟级长 rollout 与 VR 交互。
- 实际影响：给出「人类经验规模 → 机器人预测质量」的扩展律证据（人类预训练数据从约 180 小时增至 10k 小时，GR-1 在评测 PSNR 19.8→21.74 dB、Unitree G1/Ψ0 LPIPS 0.427→0.365 持续改善）；在 DreamDojo 官方协议下各数据预算均领先、全量后训练较最佳 DreamDojo +3.77~4.04 dB，并超过 Cosmos 3 全系（含 Cosmos 3-Super）——对数据稀缺的本体是直接的成本杠杆；下游覆盖策略评估、基于模型的规划与世界-动作建模。
关键指标/资源
| 指标 | 数值 | | 口径 |
|---|
| 登顶基准（自评） | 5 基准 11 项 |
| 自述 |
| 人类预训练数据 | 10k 小时 |
| 自述 |
| DreamDojo 全量后训练增益 | +3.77~4.04 dB |
| 自述 |
| 模型规模 | 5B / A14B |
| 自述 |
```metrics
[{"label":"登顶基准（自评）","value":"5 基准 11 项","kind":"self","bar":100},{"label":"人类预训练数据","value":"10k 小时","kind":"self","bar":80},{"label":"DreamDojo 全量后训练增益","value":"+3.77~4.04 dB","kind":"self","bar":70},{"label":"模型规模","value":"5B / A14B","kind":"self","bar":50}]
```
#世界模型#具身智能#开源发布
4. Viggle 发布 JST-2 物理原生世界基础模型：3D「原子」表征，场景 1 秒生成、单场景推理成本 <$0.01
viggle.ai 官方博客 | 2026-10-19
事件概述
Viggle 于 10 月 19 日发布 JST-2（Joint Space-and-Time gen 2），自称全球首个全栈物理原生世界基础模型——不学像素空间而直接在 3D 空间表征世界，把场景、角色、动作统一进同一可进入、可探索的 3D 世界。浏览器免费可试（PINOC），API 与 MCP 同步可用。公司 2022 年创立，JST-1 曾驱动其 5000 万+ 用户的 meme 应用，JST-2 研发历时 2024–2026。
技术与工程价值
- 核心机制：JST 把世界建模为 3D 空间中持久的「原子」（一块物质或物体部件），每个原子保留随移动/形变不灭的身份，带显式 xyz 坐标 + 学习到的属性向量与动力学向量，编码为 Physics-Native Token；全栈自研——编码器（图像→token）、生成器（多模态提示→token）、解码器（token + 视角 + 运动/力 → 图像或 3D Gaussian splats）、物理原生数据合成引擎与预/后训练管线；前馈架构直接产出 3D 表征，无需逐场景优化；角色动力学向量内建于 token，免绑骨/蒙皮。
- 实际影响：世界模型两条路线分野显性化——像素/视频空间（Sora、Genie、Cosmos 一系）vs 3D 物理原生；约 1 秒 / <$0.01 的场景生成 + 本地 splat 渲染把「可漫游 3D 世界」的生产成本压低一个数量级（官方对比 Marble 约 5–6 分钟，并注明非等保真对比）；官方点名机器人仿真、自动驾驶、地图与建筑为应用方向（从稀疏真实观测重建完整 3D 环境，补足点云重建只有粗略几何的缺口）；JST-3 路线图拟用学习动力学替换规则物理（碰撞/物体交互），目标做「物理 AI 的体验引擎」。
关键指标/资源
| 指标 | 数值 | | 口径 |
|---|
| 场景生成耗时 | 约1秒 |
| 自述 |
| 单场景推理成本 | <$0.01 |
| 自述 |
| 空间上下文视角数 | 最多64 |
| 自述 |
- 评测/性能（均为官方自评口径，未见第三方复现；盲测图表具体百分比未在页面文本中给出）：场景生成约 1 秒、单场景推理成本 <$0.01（NVIDIA B200 模型推理口径，不含网络延迟）；最多 64 个输入视角作为空间上下文窗；人类盲测中角色生成（vs Meshy 7.1 / Tripo H3.1）与动作生成（vs Cartwheel Swing / HY-Motion-1.0 / Cartwheel Comic 4 / DeepMotion Animate 3D）官方均称领先；场景碰撞与物体交互仍依赖规则物理（官方自述局限）。
- 代码/论文：官方博客 viggle.ai/jst2" target="_blank" rel="noopener">viggle.ai/jst2；研究页 viggle.ai/research" target="_blank" rel="noopener">viggle.ai/research（含角色/动作完整盲测）。
```metrics
[{"label":"场景生成耗时","value":"约1秒","kind":"self","bar":90},{"label":"单场景推理成本","value":"<$0.01","kind":"self","bar":95},{"label":"空间上下文视角数","value":"最多64","kind":"self","bar":64}]
```
#世界模型#3D生成#物理原生
5. PhysRSI：物理世界递归自我改进的观测扩展律——五轴指标区分「均分相近」的 VLM 系统
arXiv:2610.26848 | 2026-10-19
事件概述
10 月 19 日提交的论文系统研究物理 RSI（机器人经交互失败实现自我改进）的机制、扩展行为与泛化：提出 PhysRSI-eval，以五轴指标（首次尝试表现、效率、成功率、预算、从失败中的改进）在固定交互预算下评测不同 VLM 的 18 个操作任务，并提出 Physical Barrel Hypothesis——不同能力约束改进过程的不同环节。
技术与工程价值
- 核心机制：五轴指标能够区分公开基准均分接近的系统，并证明「高分不必然来自早期或高效的改进」；观测扩展律从两个视角展开——从公开能力预测 VLM 智能体的相对表现，以及从早期物理反馈预测后续进步的速度与幅度；工作区干预实验显示：删除历史记录降低后期成功率、冻结的工作区在未见布局上仍然有用、三个跨任务案例更早成功——场景特定适应与可复用经验可以共存。
- 实际影响：为「物理 RSI」提供可量化评测框架，把具身系统自改进的讨论从叙事拉到指标级；对具身系统选型（该投资早期表现还是改进斜率）与评测设计（均分掩盖改进动态）有直接方法论价值，也回应了本期 Dream Labs「部署即数据」与 Ropedia W0「数据扩展律」共同指向的「经验如何转化为能力」问题。
关键指标/资源
- 评测/性能（论文 v1 未经同行评审，指标与假说均为作者提出，待社区复现）：18 个操作任务、固定交互预算、多 VLM 对比；五轴指标 + Physical Barrel Hypothesis；论文为预印本。
- 代码/论文：arXiv:2610.26848v1（2026-10-19 17:59:30 UTC，arxiv.org/abs/2610.26848" target="_blank" rel="noopener">arxiv.org/abs/2610.26848）。
```metrics
[{"label":"操作任务数","value":"18","kind":"self","bar":36},{"label":"指标维度","value":"五轴","kind":"self","bar":50}]
```
#RSI#具身智能#评测基准
去重说明
- 与第 96 跑（2026-10-19 11:30）比对：上期 3 条（vLLM v0.32.0 / EdenLive / 西湖 WR1）与本期无重复。
- 7 天扫描（2026-10-13 ~ 10-19 共 6 期 28 条）：无同主体+同动作条目。
- 实体去重（dedup_check.py 逐条）：OpenAI MultiLangBench（is_dup:false；匹配 9-13 StationeryBench「GPT-6 Astra 空间推理」，jaccard 0.2 / confidence 0.745，不同事件）；Dream Labs（false，0.043；匹配 World Labs Atlas，不同事件）；Ropedia W0（false，0.062；匹配书生 W0，不同事件）；JST-2（false，0.0，无匹配）；PhysRSI（false，0.071；匹配 Cognex/高通并购，不同事件）。
- 跨实例去重：O: 盘同日另一实例产出
每日AI新闻推送_20261020_0028（5 条：MiniMax M3.1 Flash / X-Humanoid Pelican-Unify / Neura Neuron AI / DeepSeek V4.1 / Microsoft Scope）与本期无重叠；其中 MiniMax M3.1 Flash（第一信源 10-19，窗口内强候选）因该实例已报道，按跨实例去重规则排除。
- 排除项（第一信源时间戳核实后窗口外或未达入选门槛）：LoopWAM（arXiv v1 10-13，机器之心 10-20 迟到报道，本期最大遗憾项）；MIT「Is this machine playing?」（arXiv 10-05，MIT TR 10-19 迟到报道）；Qwen-Planner-Agent（arXiv 2609.29892，9 月）；Amazon TorchNeuron（PyTorch 博客 10-19，Apache 2.0，符合标准因条数上限列为候补）；Inception Mercury 3（BusinessWire 10-19，自述基准无具体分数，候补）；Figure 03 九天跑步机耐力测试（Adcock X 帖 10-19，拴接供电、协议未披露，候补）；Anthropic 新模型 / Gemini 4 Carbon（The Information 传闻，无官方确认无技术参数）；OpenAI 自研人形机器人（Altman 播客，产业战略非技术首发）；DHS 要求联邦机构移除 DeepSeek（政策事件非焦点方向）；蚂蚁 Ming-3.0-tts（TTS 非焦点方向）；transformers v5.20.1（补丁发布，Beam 支持已被第 94 跑覆盖）。
- 结构性说明：信源健康 ok=3 / warn=0 / error=0（aihot items 最新条目 0.2h 前、dailies 2026-10-20、arXiv 当前公告批次 Tue, 20 Oct 2026 共 160 条）；本窗口 arXiv 学术供给充裕（cs.RO 提交 40 篇，v1 集中于 10-19 美东 14:00 截止前），与此前多期「周末/节后结构性空缺」模式相反；五个焦点方向均有第一信源在窗口内的条目覆盖（AI Coding × 1、具身 × 2、世界模型 × 2、RSI × 1），无方向性缺口。
待核实
- OpenAI 全部基准数字：均为厂商自建评测的自评口径（自选对比模型与配置）；MultiLangBench 已开源可复跑，但 COBOL 迁移评测为隐藏测试集，外部无法独立验证；生产环境迁移仍需专家评审（官方亦明确提示）。
- JST-2 全部性能与盲测结果：官方自评口径（场景约 1 秒 / <$0.01 为 B200 模型推理口径、不含网络延迟；角色/动作盲测为官方人类评测，图表具体百分比未在页面文本中给出）；未见第三方复现；未开放权重。
- Ropedia W0 基准成绩：论文/项目页自评（对比 Cosmos 3 全系与 DreamDojo 各数据预算），无第三方复现；A14B 权重、评测代码与技术报告尚在 GitHub To-Do 列表；「11 项测试第一」的逐项明细以论文版本为准。
- Dream Labs 定价与仿真评测细节：$3/小时来自机器之心报道（BusinessWire 新闻稿未含定价）；「27 台未见机器人仿真零样本评测、每台 300 rollout」来自二级渠道转述；零样本跨本体声明未见第三方复现。
- PhysRSI 论文结论：v1 未经同行评审；五轴指标与 Physical Barrel Hypothesis 为作者提出，待社区独立复现。
归档状态说明
- 工作区 Markdown：
C:\Users\suiwen\WorkBuddy\automation-2026-07-15-17-09-05\每日AI新闻推送_20261020_1209.md
- 工作区 HTML：
C:\Users\suiwen\WorkBuddy\automation-2026-07-15-17-09-05\每日AI新闻推送_20261020_1209.html
- 网盘归档：
O:/quark/automation/每日 AI 新闻推送/（同步写入上述同名文件）
- 执行状态：⚠️ 归档本体成功、状态回填传播受阻（逐条说明见下）
- 归档明细：
- 归档达成（首轮，12:32 验证）：网盘双文件由平台级同步机制先行写入，与当时本地版本 md5 逐字节一致（md
fbd6a75c… / html 34890f8a…）；archive_latest.py 因目标已存在返回 skipped（同步先行，非归档失败，与第 95/96 跑判据一致）；guardian post 首轮 ok:true 无 issue。
- 回填受阻（12:34 起，本跑新发环境约束）：首轮校验通过后回填「执行状态」行，本地更新无法传播至网盘——shell rename 避让旧副本被 BLOCK（Permission denied，复现 2026-10-19 能力矩阵变化）、平台级同步机制 20 余分钟未处理本次更新（Edit/Write 工具写入与 cp 新文件事件均未触发，同步仅在 12:32 兑现过一次），davfs 覆写与删除亦被 BLOCK，环境内无可靠通道。
- guardian post 复检
ok:false，issue 两条（原文照录）：ARCHIVE 字节大小不一致: ...md (18875B vs 工作区 19274B)；ARCHIVE 字节大小不一致: ...html (37713B vs 工作区 38134B)。差异仅为「执行状态/归档明细」两行状态文本，5 条精选内容与全部结论完全一致。
- 处置：网盘副本停留在回填前版本（其「执行状态」行为占位符）；以工作区双文件为权威终稿；待网盘恢复可 rename/同步后，按
_superseded_ 避让惯例重传修正版。
_probe_每日AI新闻推送_20261020_1209.tmp 残渣清理受阻为已知环境约束（davfs 回收站不可用），单独说明不算失败。
- 收尾固化：5 ok / 0 failed / 0 skipped（KB 重建、RSS 刷新、归档总索引本地+网盘滚动名、待核实追踪 +5 条、信源健康 ok=3/warn=0/error=0 均成功）