Paper Morning 2026-07-21

各位早上好，今天Paper Morning开播。 先说一篇让我觉得挺有意思的工作，RynnBrain 1.1，这是一个具身基础模型家族，从2B到122B-A10B的多个规模。它的核心思路是用一个统一的时空和物理接地框架来训练，让模型同时支持具身感知、空间推理、定位和规划。特别值得关注的是，它引入了接触点预测和原生3D接地，而且针对不同机器人平台设计了跨具身动作空间。这两年具身智能火起来以后，大家都在讨论“物理世界的基础模型”应该长什么样，RynnBrain 1.1给出了一个比较完整的答案，不过122B-A10B这种规模的模型能不能真正部署到机器人上运行，可能还需要观察。 说完具身智能，接下来看另一个热点方向，agent的自我进化。DeepSearch-World构建了一个可验证的搜索环境，有42万道多跳问答任务，然后基于这个环境提出了自蒸馏框架DeepSearch-Evolve。关键点在于，它不是单纯靠人类标注的轨迹来微调，而是让agent自己在环境中尝试、反思、恢复失败，然后从这些经验中学习。这其实跟我们在科学计算中追求的目标有点像——让求解器能够自我纠错、持续改进。只是这里是在web搜索场景下做的，离真正帮我们做科研还有距离，但思路值得借鉴。 然后是视频理解的工作，TimeLens2。它研究的是视频时序定位问题，也就是说，给定一个关于视频的问题，模型要能准确指出答案对应的具体时间段。这个任务看起来简单，但实际上很难，因为现有训练方法跟这种“多区间预测”的任务形式根本不匹配。TimeLens2的解决办法是把时序证据看成区间集合，从头到尾用集合监督来做训练和优化。这个思路其实很像我们在PDE求解中遇到的问题——有时候不是模型能力不够，而是任务形式和训练目标之间的对齐出了问题。方法本身很简洁，但这种task-formulation层面的思考很有价值。 接下来是一个效率导向的工作，SWE-Pruner Pro。它解决的问题是：代码agent的上下文窗口很长，但很多内容其实不需要全部保留。它发现agent自己内部已经编码了哪些代码是相关的，于是让agent用一个小型头来预测每行代码要不要保留，最多能节省39%的token，同时不损失任务质量。这让我想到，在科学计算中我们也经常面临类似问题——比如处理大规模网格数据或者长时间序列，是不是也可以让模型自己学会“忽略”不重要的部分？ 最后简单提一下EvolvingWorld，它研究的是角色和世界的共同演化，用开放schema框架来支持不同文学世界中的角色扮演。这个方向本身偏娱乐和NLP，但它提出的“长期演化”视角，其实跟科学模拟中追求的“动态系统建模”有异曲同工之处。 好，今天的播报就到这里。回头看这几篇论文，有一个共同的线索在浮现：不管是具身智能、agent自进化、视频理解还是代码效率，大家都在从“预训练一个万能模型”转向“让模型在特定任务形式中学会自我调整”。这种从“能力本身”转向“任务对齐”的思路，或许也是科学计算基础模型需要思考的问题。咱们明天见。