AI 研究與效率每日追蹤｜2026-10-19
今日重點
今天沒有值得重複報導的大廠重大更新。近幾天的大廠進展集中在開放權重、端側部署與代理任務，但效能數字仍須連同硬體、工作負載和品質條件一起看。今天較值得注意的是名單外的機器人世界模型研究：它嘗試讓模型在測試時，從實際互動中辨認看不見的環境差異。 github.com
重要更新
今天沒有重大進展。OpenAI 10 月 16 日的 GPT-6 Pro 更新提到回應更快、工具使用改善，但未提供可核對的速度數字或測試條件，因此不當成新的效率突破。 help.openai.com
新架構雷達
Stanford／CMU／TRI 等團隊｜T2-z｜10 月 15 日
這是什麼：在既有機器人影片世界模型中加入 32 維「環境潛在變數」。遇到新環境時，固定模型權重，只用一到數段實際互動、經 40 次更新調整該變數，讓同一動作的預測能反映摩擦、質量或隱藏規則的不同。這是世界模型的測試時適應方法，不是取代 LLM 的通用模型。 arxiv.org
符合的門檻：①非傳統 LLM 的世界模型做法；②有論文、程式碼與資料集。 arxiv.org
作者自測：橫跨 7 種模擬設定、4 種實體機器人任務，彙總動作成功率由 33.73% 升至 72.96%。論文列出各任務的互動軌跡、評估規則與訓練資源；這不是推論速度或成本提升數字。 arxiv.org
第三方驗證：尚未找到獨立重測；尤其要看換機器、換環境後的成功率與測試時調整成本。 arxiv.org
一手來源：論文、作者程式碼。 arxiv.org
趨勢整理
- 效率要看完整條件：「更快」若缺模型、硬體、batch、上下文與品質控制，就不能和其他方案直接相比。 help.openai.com
- 測試時適應走出文字任務：T2-z 把額外計算用於辨認當下環境，而非重新訓練整個模型；代價是需要先取得互動軌跡。 arxiv.org
- 可重現仍不等於已驗證：程式碼和資料公開，讓外部測試成為可能，但目前的成功率仍是作者團隊結果。 github.com
值得追蹤
- T2-z 能否在其他機器與未見過的環境因素上獨立重現成功率，以及 40 次調整的實際延遲。 arxiv.org
- 大廠後續是否公布可對照的代理任務、推論速度與品質測試條件，而不只描述體感改善。 help.openai.com