全部 · 2026-06-06

这条消息的含金量目前只能打对折。狮子山 AI 实验室在 ICRA 2026 LeHome 挑战赛的真机决赛里拿了第一，用一套叫 LiOS 的系统把训练、部署、轨迹采样和遥操作串成一个数据循环，让机器人学会叠衣服这类软物操作。软物操作一直是机器人领域的硬骨头，布料会变形、褶皱不可预测，传统编程方法很难搞定，所以这个方向本身值得关注。但问题在于，文章正文被微信环境验证完全挡住，我们看不到任何技术细节：LiOS 具体怎么串数据循环、比赛用了什么硬件、成功率是多少、跟第二名差距多大、有没有在别的场景复现过，这些关键信息全是空白。标题说“让全体 AI 翻车”，但也没交代之前哪些模型翻过车、翻到什么程度。在没有公开论文或第三方验证之前，这个第一更像一个结果公告，暂时没法判断技术有多扎实。如果后续有论文或技术报告放出来，我会重新评估。

Anthropic 通过 Snorkel 的 Marlin 项目招募了约 1000 名软件工程师，专门审查 Claude 写的代码。每完成一单给 280 美元，工作流是在 GitHub 仓库里提 Pull Request，对 AI 生成的两版代码做 A/B 对比，然后从正确性、安全性、可靠性和可维护性四个维度打分。这个做法本质上是用人工反馈来校准代码生成质量，比单纯跑基准测试更贴近真实开发场景。 但正文没披露这些工程师的资历门槛、审查标准的具体细则，也没说 280 美元一单对应多大规模的代码审查任务。如果只是看几十行代码，这个单价不低；如果要审一个完整模块，那可能请不到足够资深的工程师。另外，1000 人的规模听起来不小，但分散到不同语言和框架上，每个细分领域的样本量可能很有限。 还缺一个关键信息：这些人工评分最终怎么反馈到模型训练里，是直接做偏好对齐还是只当评估数据用。如果是前者，标注质量会直接影响模型行为；如果是后者，那更像是一次大规模的用户调研。

这条消息最值得点开的地方是成本：294美元跑完672道PutnamBench数学竞赛题，正确率75.6%，比之前Hilbert系统用别的模型烧掉约17万美元才做到70%正确率，确实省了差不多500倍。系统叫Goedel-Architect，是一个让模型在Lean这种形式化证明语言里自动做题的智能体框架，相当于给模型配了一套在严格数学环境里干活的工作流。 不过现在能看到的只有摘要，原文被微信验证页挡住了，具体怎么设计的智能体、用了什么搜索或验证策略、有没有人工筛选，这些关键细节都看不到。另外，PutnamBench虽然难，但形式化证明和实际数学研究之间还有距离，这个75.6%能迁移到开放问题上的程度还不清楚。 我会先打个折：成本数字确实亮眼，但等看到完整论文再判断这套方法是不是真的普适，还是只在特定题型上省钱。