清华 Asking the World：让 AI 用物理规律回答问题
清华团队推出 Asking the World，思路是让 AI 通过对场景进行物理建模并做实验来回答问题，而不是仅依靠外观逼真的生成。文章指出，GPT-6 Astra 等模型的场景建模能力虽然 impressive，但几何与外观的逼真还原并不等于对物理规律的准确把握。要准确推演物体运动，还需进一步识别质量、摩擦系数、阻尼等难以直接观测的物理属性，而避免穿模、借助语义先验估计物理属性与真正的物理推演之间仍有距离。
#论文/研究
按原文日期归档（北京时间）；可见内容最近更新：2026-11-10 16:08 北京时间。历史资料不会因新入库而成为今日新闻。
机器之心AI 评分3939 机器之心AI 评分3636 大语言模型能在「异世界」发现隐藏的物理规律吗？
一项由香港科技大学（广州）博士生杨震任第一作者、阿里巴巴徐翔与港科大（广州）陈颖聪共同通讯的研究，构建了一个物理规律与现实中不同的「异世界」，测试大语言模型能否像科学家一样发现异常、提出问题、设计实验并总结隐藏的物理规律。该工作试图验证 LLM 在陌生环境中的科学探索与规律发现能力，而非依赖已有知识作答。
36氪AI 评分3838 第三类磁性“交替磁性”有关键实验证据，或为芯片与信息存储带来新可能
美国SLAC国家加速器实验室、斯坦福大学与欧洲同步辐射装置等机构的研究团队在新一期《科学》发表论文，宣布在碲化锰（MnTe）中观测到一种被称为“手性交替磁振子”的集体自旋运动，为交替磁性这一新型磁态（即“第三类磁性”）提供了关键实验证据。该发现意味着未来芯片和信息存储技术有了新的可能。
对A股（消息据新浪财经转述） 对A股：中性，属基础科研进展，对半导体设备与材料（推断）及存储（推断）仅存远期想象空间，暂无实质影响
IEEE Spectrum · 机器人精选AI 评分6868 UC Berkeley 与 NVIDIA 在 CoRL 2026 提出 agentic robotics，用编码智能体替代数据规模路线
UC Berkeley 和 NVIDIA 在 2026 Conference on Robot Learning 上提出 agentic robotics 方法，用 LLM 驱动的编码智能体把复杂任务拆解为子任务、生成人类可读代码并在仿真中迭代，无需收集人类演示数据。
推荐理由：文章解释了 agentic robotics 如何把机器人编程从数据问题转为编码问题，并给出 99% 成功率、缩短换产时间等具体结果。
机器之心AI 评分4141 首个触觉推理模型 Touch-R1 入选 NeurIPS 2026，让 AI「摸懂」物理世界
机器之心报道称，研究团队推出触觉推理模型 Touch-R1，并入选 NeurIPS 2026，据称为首个触觉推理模型。针对视觉与触觉冲突场景——如看起来像硬质塑料、按下去却十分柔软——现有多模态大语言模型常更相信视觉而误判物体真实物理属性，Touch-R1 则可结合触觉修正视觉误区。在团队提出的触觉推理评测基准 TouchReason-Bench 上，Touch-R1 的表现优于其他代表性多模态大语言模型。
对A股对传感器（触觉）及物理AI为利好