深度专题 FEATURES — 3
世界模型学会分层规划长任务
ID-WM先找可达的阶段目标，再求具体动作，让世界模型更能规划长任务。
机器人智能体也要一套开放底座
一套开放机器人智能体底座，让零样本操作从闭源演示走向可复现、可训练。
TraceSpec：智能体推测解码不能只看均值
TraceSpec 把智能体解码拆到具体决策阶段：平均更准，不等于真正更快。
速览 BRIEFS — 8
PAPER
VLA压到超低比特，结构不能乱
SACQ用结构感知码本压缩机器人模型，1.5比特下接近BF16表现
PAPER
长任务上下文可压成软Token
把越积越长的智能体历史压成内部软Token，减少注意力计算与KV缓存负担。
PAPER
思维链一被监控，模型可能就知道
两项研究发现：推理链开头可被轻推改写，监控留下的痕迹也可能暴露监控本身。
PAPER
KV缓存搬运也会发生路由碰撞
KV 缓存也会在网络里堵车，ARK 让服务器提前为大流量错峰选路。
PAPER
人形机器人开始对模拟器直接求导
直接对仿真器求梯度，人形机器人学动作不必只靠海量试错。
PAPER
自回归模型可以改造成扩散模型
BYOD用少量微调，把四款现成语言模型改成可并行修订文本的扩散模型。
PAPER
世界动作模型多搜未必更好
机器人多想几步未必更稳：候选差异小、评分不准时，搜索反会放大误判。
PAPER
持续世界模型先卡在零样本泛化
世界模型适应新环境前，可能已因观察方式不同而无法复用旧知识。