SIGNAL FEED
人工智能资讯与信号流
蚂蚁灵波开源 LingBot-Touch，将磁触觉、视触觉和压阻式触觉信号统一编码为触觉 Token，供不同灵巧手和动作模型使用。其轻量版 LingBot-Touch-Tiny 约 532万参数，技术报告、代码和模型权重均已公开；接入后，π0.5 在 XHand 的 6 项任务上平均成功率由直接输入原始触觉信号时的 48.00% 提升至 74.17%。
推荐理由：文章拆解了触觉信号接入动作模型后反而降效的原因，并给出跨传感器统一表征的验证结果与开源入口。
百度文心首次披露 ERNIE Evolve 自动研究系统，并将其用于即将发布的文心 5.5 Flash 推理优化。该系统通过多智能体双层循环自主提出方向、修改代码、评测结果并沉淀经验，在 NanoChat AutoResearch 和 NanoGPT Speedrun 任务的三个指标上取得公开验证的 SOTA 表现。
推荐理由：文章披露了递归自我改进系统在真实推理优化中的双层研究闭环、三类生产指标与安全边界，为评估自主研发系统的工程价值提供了具体依据。
苹果研究团队在 arXiv 提交论文，披露并开源人形机器人自主控制系统 HALO，并在宇树科技 G1 上进行真实环境验证。系统以千问 Qwen3.6-35B-A3B 进行任务编排、Qwen3.5-2B 生成动作，Tracker 以每秒 50 次运行；6 个真实环境中的 360 次单项任务平均成功率为 91%，3 种长序列复合任务平均成功率为 70%。
推荐理由：论文公开了 HALO 的分层控制架构与代码，并提供真实机器人任务的成功率数据，便于理解感知、动作生成和策略跟踪的协同方式。
METR审计认为，Anthropic模型改进速度约翻倍，其中约80%可能源于AI参与公司内部研究，因此可能在去年7月越过其 Responsible Scaling Policy 的警示阈值。审计基于2026年8月12日至10月29日的内部数据，真实加速倍数估计在1.3至3之间；Anthropic删除了多数高价值证据，且取消了对算力分配的核查。
推荐理由：METR披露了Anthropic内部模型加速与AI辅助研究的关联，也揭示关键证据被删减带来的审计不确定性。
MIT 研究人员展示 GPT-6 Astra 无需传统再训练，即可直接分析并修改其他 AI 模型的内部权重，并将其称为 Weight-Space Programming。
推荐理由：研究以 Qwen3.5-0.8B 为例展示了直接修改模型权重的实验效果，也明确呈现了方法受限于模型已有能力的边界。