光象科技联合清华发布物理原生世界模型ActEffect，训练时预测动作后果并优化策略，执行时退出部署以降低成本。在LIBERO等基准测试中成功率领先，已用于汽车制造场景，验证了稳定性和效率。

清华AIR与域变换联合发布Zeva，首个实现上下文因果学习（ICCL）的具身模型。它无需更新权重，通过因果交互提取、双时标记忆和上下文策略注入，让冻结模型在部署中自进化。在基准任务中累计成功率从26%提升至73%，真实化学实验室任务成功率显著增长，并支持一次人类演示学会新操作，开启上下文空间扩展的新范式。

清华姚班2026级录取约90人，新班主任徐梦迪从车辆工程转向机器人研究，主张通用机器人需具备适应能力，而非仅靠扩大模型和数据。她通过少量示范、技能迁移和大模型知识应用三条路径探索，强调可靠性与人机交互，体现姚班跨学科交叉发展趋势。

ASI-Bench是由清华、MIT等机构构建的自主科研能力基准，包含60项覆盖11学科的项目级任务，通过B1至B4四级逐步减少人类方法指导来测试AI科研自主性。评测18套系统显示，B1平均分50.91，B3降至26.62，表明AI在方法落地和流程执行上仍有明显短板，距离独立完成开放式科研尚存差距。

OriginFlow是一家由清华博士生秦深涛创立的创业公司，利用神经肌电（sEMG）技术采集具身智能数据。其NeuroScale体系通过腕带采集肌电信号，结合视觉和IMU，重建人类动作、接触力和驱动力，生成Human Tokens，旨在补充现有数据采集方式的不足，推动物理AGI发展，并规划了从数据采集到人机共融的三阶段路线。

AI竞争焦点转向“递归自我改进”（RSI），即AI自主优化以研发更强AI。清昴智能作为国内首家专注AI自进化Infra的公司，解决国产算力碎片化问题，通过自主优化与演化系统，将算子调优效率提升336倍，模型适配提速30倍，已适配数十款国产芯片，旨在构建万亿Token生产闭环，推动算力底座从L1向L4进化。

词元无限是一家企业级AI Agent基础设施公司，成立一年融资数亿元。其核心是解决AI写代码快但企业交付效率提升有限的问题，通过全自主、高安全、自进化的平台，提供InfCode、InfTest等产品，实现“结果即服务”，目标将团队整体提效2倍以上。

清华大学展示了搭载一念Unisonmind大脑的机器狗“哮天”，在无预设环境中完成走迷宫、称重和估水量等复杂任务。这次演示验证了物理通用人工智能的核心特征，即同一认知系统在不同实体上持续运行，形成实时的“感知—行动—反馈”闭环。

清华大学团队在ICML 26上获得杰出论文奖，提出了JustGRPO模型，解决了扩散语言模型（dLLM）在数学和编程推理中的灵活性陷阱问题。该模型在GSM8K基准测试中取得89.1%的准确率，展示了其推理潜力。

阿里巴巴与清华大学合作的论文《灵活性陷阱》入选ICML杰出论文，质疑扩散语言模型任意顺序生成的价值。研究表明，任意顺序生成会导致推理能力下降，提出的“JustGRPO”方法强制模型从左到右生成，显著提高推理效果。

研究团队提出了Spatial-TTT模型，旨在解决多模态模型在动态环境中持续更新空间记忆的问题。该模型通过在线更新机制，能够处理长达120分钟的视频流，显著提升空间智能表现。实验结果表明，Spatial-TTT在多个基准测试中超越现有模型，展现出更强的空间推理能力和效率，推动了流式视觉感知向持续世界状态建模的进展。

AgentSociety²旨在将AI与人类研究者协同工作，AI负责实验设计与数据分析，人类保留关键判断权，确保研究的社会意义。该平台整合文献、假设、实验与分析，提升社会科学研究的效率与可控性。

Noiz AI与香港科技大学、清华大学联合推出AudioX-Turbo音频生成模型，解决了生成速度慢和控制不精确的问题。该模型通过分布匹配蒸馏技术，将生成过程从50-200步缩减至4步，显著提升音质和实时生成能力。AudioX-Turbo的开源代码和数据集将推动音频生成技术的发展，应用于互动剧配音和实时音效等领域。

光象科技推出的Phi-Bot X1工业级自进化机器人，专注于制造业，具备高精度和高可靠性，能够在真实工厂环境中实现零失误作业。公司致力于提升生产力，未来计划将机器人技术扩展至更多制造领域。

研究表明，睡眠中的记忆重激活影响睡眠动态，提供了“记忆-睡眠”双向作用的新证据。智源研究院与清华大学的研究发现，负向记忆再激活加剧睡眠碎片化，而正向记忆再激活增强睡眠连续性。这一发现为理解睡眠调控机制及相关精神疾病提供了新视角。

清华大学智能产业研究院推出了全新的机器人强化学习训练架构UniLab，打破了传统依赖GPU的训练模式。UniLab通过将仿真解耦到CPU侧，实现了更高的训练效率，并已开源，未来将扩展为通用的机器人学习研究平台。

Gamma-World是NVIDIA与多所高校合作开发的多智能体世界建模框架，旨在解决现有模型在多玩家场景中的局限性。通过单纯形编码和稀疏枢纽注意力的引入，Gamma-World实现了高效的身份表示和交互建模，支持实时生成和零样本泛化，显著提升了多智能体协作的仿真能力，适用于现实世界的多主体协作场景。