ShadowDancer提出影子对（shadow pairs）和跨影子预测（cross-shadow prediction），通过构造方式解决潜在动作模型的外观-动力学耦合问题。同一动力学轨迹在不同外观下重放，预测一个影子所需的表示必然是共享动力学本身。任何演示片段成为可复用动作资产，在新环境中重放无需动作标签、运动估计器或微调，跨五族动力学平均盲测胜率86%。论文揭示了’构造性不变量提取’的全新自监督范式。
VideoCoCo由港中文Pheng-Ann Heng联合中国科学技术大学等26位作者提出，用可执行的Blender程序作为视频生成的过程级链式思维：编码智能体将文本提示合成为Blender代码，仿真引擎运行产生确定性时空草稿，生成式视频引擎通过草稿条件编辑转化为逼真视频。PhyGenBench从0.475提升至0.558，VBench-2.0从52.18提升至77.88。
Momenta 创始人曹旭东在 IPO 后接受「晚点聊LateTalk」专访，回顾十年创业历程，系统阐述智驾竞争格局（中国两三家、全球三四家的终局判断）、“一个飞轮两条腿"战略、每年十倍的智驾摩尔定律、从自动驾驶向家庭机器人的技术外溢逻辑，以及从 AI 研究员到 CEO 的认知进化——“一流的工作不是想出来的，是做出来的”。
2026年Q2 AI季报深度解读：Anthropic与OpenAI的模型竞争进入新阶段，GPT 5.6与Claude Maestro/Phable正面交锋；RSI（递归自进化）从科幻概念变成明确的创业方向，Recursive、Miranda等公司涌现；Cursor以600亿美元天价被收购；中国开源模型"四杀"引发全球关注；Anthropic的Cloud Tag与OpenAI的Record and Replay重新定义AI交互。本文基于播客全文转写整理，涵盖竞争格局、RSI、机器人、智能扩散、交互创新和公司动态。
蚂蚁灵波首席科学家沈宇军的深度访谈。他从GAN研究起步，经字节、蚂蚁研究院，最终主导蚂蚁灵波做机器人"大脑"。文章梳理了灵波最核心的技术主张——“具身原生”：不再沿用数字世界的模型做下游适配，而是从传感器、视频时序、单向MoE架构出发，为物理世界从头训练一套完整的机器人基础模型（V-Ren、DEPS、VLA 2.0、Video、Word六件套）。沈宇军也坦率谈到了数据是当前最大瓶颈、灵波为什么不做本体、以及他对"大脑落后于本体"这一行业判断。
《晚点聊》WAIC 期间对话 XLR Labs（拓元智慧）三位核心成员。这家从 2022 年起就押注"原生世界动作模型"的公司，分享了它与 VLA、隐式世界模型的路线分歧，千万小时级 4D 真实交互数据如何构成护城河，以及从智慧零售切入工业物流的"以终为始"商业化逻辑——一个关于"预训练与后训练一致性"的scaling law故事。
深度精读阿里通义千问团队的 Qwen-AgentWorld——首个覆盖 7 大领域（MCP/Search/Terminal/SWE/Android/Web/OS）的统一语言世界模型。它通过’CPT注入→SFT激活→RL锐化’三阶段训练管线，以混合 rubric-and-rule 奖励驯服开放环境模拟的强化学习训练，在 AgentWorldBench 上以 58.71 分超越 GPT-5.4（58.25）。更关键的是，世界模型训练可作为智能体基础模型的有效预热——在 7 个下游基准上带来泛化增益，其中 3 个完全分布外基准平均提升 +9~11 分。