RoboFoundry：让智能体进化整套系统

RoboFoundry 不重训模型，而让机器人的记忆、技能和接口整套进化。

深度专题 FEATURES — 2

PAPER HF 20 · 2 信源

Skill2Env从能力倒推训练场，CompoWorld再组合服务扩张任务空间：Agent后训练开始批量“造世界”。

PAPER

让上万名虚拟分身同时练导航，研究团队把微型机器人策略训练压到10分钟以内。

速览 BRIEFS — 9

PAPER

EAPO不再平均奖惩推理过程：奖励犹豫后的成功，纠正自信的失败。

HF 12

PAPER

AlignOPSD按“决策”而非固定时间步对齐监督，让长任务中的功劳分配更准确。

PAPER

MassAlloc让注意力先看全局，再按实际贡献分配后续计算，并把节省做到GPU内核里。

PAPER

CoWindow让不同注意力头分工阅读长上下文，合起来看全历史，减少重复计算。

PAPER

把真实运行记录改造成行为考题，专门揪出“结果对、过程错”的 Agent。

HF 41

PAPER

同一模型在生成和训练时概率对不上；CIS从偏差源头校正，减少强化学习失真。

HF 8

PAPER

扩散式奖励模型不再只给一个分数，而是保留人类评价中的分歧与不确定性。

HF 14

PAPER

只保留5%视觉Token，模型沿自己的答题轨迹向完整版本“补课”

HF 6

PAPER

合并后专家分工变了，不代表模型坏了；是否失败，要看任务损失能否通过路由干预挽回。