数据平台正在易主：当Agent成为头号用户，语义和失控成了新账单
云栖大会2026「Agent驱动的全模态大数据计算创新」论坛上，AMD与阿里云的对话给出一个共识：大数据与AI两张采购清单正在并成一张，MaxCompute、Hologres、开源大数据平台全面转向Agent原生。但真正的瓶颈不再是算力和格式，而是语义与可控——平台方用语义图谱、数据沙箱、血缘审计补课，客户侧已有具身智能、车企、物业把Agent推进生产线。文章拆解变化机制、二阶影响与可观察指标。
多模态
湖仓交棒Agent：Paimon生态补齐技术课后，语义层成了最后也最贵的一公里
云栖大会2026「全模态Agentic Lake论坛」上，阿里云把数据平台的使用权交给Agent：Fluss毕业成Apache顶级项目、Paimon 2.0把多模态与向量索引装进同一张表、EMR与DataWorks补齐具身数据处理与语义图谱。但沃尔玛、博西、聚好看、骏伯、孩子王五家企业的一线实践指向同一个瓶颈——引擎早已智能体就绪，业务语义没人替你建，而数据错误在AI全自动执行下从报表瑕疵变成真金白银的损失。
onPanda: 通过 Token 级纠错高效标注 LLM 与 Agent 的同策略对齐数据 精读
onPanda（阶跃星辰 StepFun + 厦门大学）提出以 token 级纠错为核心的新型标注范式：标注者只需定位第一个不合适的 token，从模型候选集中点选或自由改写，系统随即截断后续内容并由模型从修正后的前缀继续生成（locate-correct-continue 循环）。该范式让绝大多数 token 由 rollout 模型原生生成，从而在低成本标注的同时高度保留同策略（on-policy）保真度，并自动产出可精细到位置的监督信号。本文按九部分结构精读其动机、系统设计、实验证据，并通过外部检索交叉验证标注效率、同策略数据价值与 RLHF 标注工具（Argilla/POTATO/Reptile）等相关工作。
RecreationWorld: Scalable and Verifiable Environments for Hybrid Computer-Use Agents 精读
RecreationWorld 由阿里巴巴 Token Hub 提出，围绕「应用复刻」构建五平台可验证环境，训练并评测能融合 GUI 探索与代码实现的混合计算机使用智能体(hybrid CUA)。本文梳理其背景、与 OSWorld/WebArena 的谱系定位、任务抽象、五平台+双通道测试生成+拒绝采样训练的解法、250 任务十模型评测与 OOD 迁移，并深究「为何满分复刻仅 2.8%」及优势根源。
统一智能体双璧：MintAct 空间统一与递归语言模型推理统一 精读
本篇合并精读两篇关于「统一智能体」的论文，二者分别从空间域与推理结构两个维度回答同一个问题：能否用一个模型替代一堆专用模型而不掉点？Apple 的 MintAct 用 2B/4B/8B 单一 VLM 统一 UI grounding、移动/桌面/网页/VTU 四域导航与视觉工具调用，靠四阶段训练（高分辨单步 SFT→低分辨多步均衡 SFT→每域 RL 专家拒绝采样蒸馏→联合异步 RL）与异步四机制（配额、背压、双裁剪、截断 IS）在 OSWorld-Verified 上以 48.9 同尺寸登顶。TTIC 的《Recursive Language Models Generalize Out of Domain》则从理论（MDL）与受控实验证明：递归模型用「隔离上下文栈」让 CoT 在分布内占到的「看得全」的便宜，在分布外变成致命捷径——mod-10 长度泛化上 RM 95.7% 对 CoT 6.2%。两文共同揭示：统一的代价不在模型容量，而在如何控制「每个子任务看到什么」。
ActionPiece 精读：用『物理秩一致性』拯救动作 tokenization 的关系保真
华中科大×DeepCybo 等七机构联合提出 ActionPiece：自回归 VLA 模型的动作 tokenizer 传统上只用 MSE 评估重建精度，但点态误差小不等于关系保真——压缩后『不同情境所需的差异化动作』可能被压缩、扭曲甚至反转。论文提出 Physical Rank Consistency（PRC）度量局部物理距离排序的保持，并通过对表示学习与量化的联合监督（物理秩保持+量化正则）让离散 token 保留连续动作空间的局部序结构。同一 Qwen3-VL-4B 策略训练设置下：LIBERO 94.8%、未见 LIBERO-Plus 68.8%、SimplerEnv 71.9%。
One Skill Does Not Fit All: Automatic Discovery and Taxonomy-Guided Routing of Frame-Selection Skills for Long-Video Question Answering 精读
QMUL × Samsung AI 的产学研工作 AutoSkill：长视频 QA 中帧选择策略的有效性随问题语义类别剧烈变化，单一策略适配所有问题是错误假设。框架用 LLM agent 在小规模标注源池上迭代’提议-实现-评估-精炼’可执行帧选择技能，对目标 benchmark 仅用未标注的问题+选项文本归纳语义分类树，做’类别→技能’路由——零目标域标注，平均超 Qwen2.5-VL-7B 与 Qwen3.5-4B 基线 2.4%/1.2%。
Image Tokenizers as Visual Languages 精读：统一多模态 tokenizer 的测量学
Amazon FAR×UW 构建受控纯自回归测试台，在多模态持续预训练中追踪任务分账验证损失（文本/图像/T2I/I2T 四路）的 scaling 行为，系统刻画统一模型中图像 tokenizer 的行为。两条核心发现：损失必须分任务分析（不同任务呈不同 scaling 且对 tokenizer 排名不同）；T2I 损失-性能关系随图像 token 空间漂移，I2T 损失在共享文本词表上计算、是更稳的跨 tokenizer 比较指标。
SpatialBlock 精读：合成积木课程与对照组设计的空间智能范式
KAIST×AITRICS 借鉴儿童认知发展，用 15,000 道合成积木堆叠题（3D→2D 投影/视角变换/结构组合 + 对照组设计）训练 LVLM 空间智能：Qwen3-VL-4B 提升 25.1% 达 51.3% 开源最佳，7B 提升 17.6%，InternVL3 同样提升。对照组题目隔离语言捷径，渲染即真值消除标注噪声——数据质量根源性优于真实场景标注方案。
World in World 精读：免训练控制视频世界模型的统一证据接口
西湖大学 AGI Lab 提出 World in World：training-free 推理时接口，把四类异构控制证据（源视频观测/目标视角投影/几何渲染/检索生成态）统一转为带相机与时间标注的干净视觉状态，经冻结视频世界模型的原生 self-attention 读入；对应路由器建立 token 对应关系，证据级 attention CFG（EWA）按通道独立调权。同一冻结骨干完成相机控制重渲染/长时程回访/人体动作迁移，重渲染全指标超 ReCamMaster 等训练方法（CLIP-Sim 92.5 vs 83.8）。