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。
清华大学与米哈游联合开源 GameScaling 系列模型，目标是迈向通用游戏智能。作者团队包括清华人工智能学院博士生张宽、港大 MMLab 博士生苏悦、新加坡国立大学博士生罗润、米哈游崩坏系列 AI NPC & Gameplay 技术团队负责人郑银河以及清华助理教授李一鸣等。
推荐理由：原文介绍了清华与米哈游联合开源的 GameScaling 系列模型，方向指向通用游戏智能体，可关注其技术路线与开源内容。
The Decoder 报道，一个 AI 智能体为一只癫痫小鼠实施脑部手术，自主选择药物、脑部靶点和注射坐标。首席研究员 Ocana-Santero 称，这是 AI 智能体首次自主选择疗法并施用于活体哺乳动物。手术中途出现校准错误时，该智能体拒绝继续，且无法被说服。
数十个AI智能体用24天，把多位数学家耗费数十年写下的1.5万页证明，转成4300多万行可由计算机逐步验证的代码。AI在检查这些证明时还发现了一个存在近40年的论证漏洞。
推荐理由：多智能体在超大规模数学形式化上的实测进展，可作为观察智能体长时任务能力的参照。