X-Agent智模一体机通过集成感知、决策、执行与自主学习能力，显著缩短智能工厂的部署周期，从“年”缩短至“天”。它支持多种制造场景，具备自主进化能力，能够优化生产调度与质量监测，实现智能化管理。

MiniMax M3模型引发热议，提升了周用量限额并保持老用户设定。M3在长上下文、多模态和编程能力上表现突出，超越了GPT-5.5和Gemini 3.1 Pro，效率显著提高。M3成功复现多篇论文，展示了其强大的自主学习和实验能力。同时推出的MiniMax Code进一步增强了M3的功能。整体来看，M3在开源模型中具备竞争力，性价比高，成为开发者的新选择。

橡木果机器人公司采用自下而上的方法，通过与物理世界的互动使机器人自主学习。其核心模型Natus实现零数据冷启动，具备毫秒级响应能力，适应不同硬件。Magis模型通过触觉数据增强视觉理解，降低训练数据需求。公司在工业柔性生产中取得商业成功，目标是成为具身智能领域的基础。

当前强化学习的发展旨在突破稀疏奖励与静态监督的限制，赋予模型自主学习与自我进化的能力。研究者们提出了ECHO、DelTA和GoLongRL等新方法，以提升智能体在复杂环境中的表现和决策能力。这些研究为构建具备强推理和自学习能力的下一代大模型提供了重要启示。

自变量机器人发布了全球首个世界统一模型WALL-B，解决了传统机器人在家庭环境中执行任务的局限性。WALL-B通过整合视觉、听觉、语言和触觉模块，实现了多模态能力，使机器人能够理解物理世界并自主学习，适应复杂环境，并通过真实家庭数据不断进化，成为家庭成员的潜在助手。

《Hermes Agent 从入门到精通》介绍了一种开源AI代理框架，能够让AI自主学习和进化，减少人类干预。该框架采用三层记忆结构，提升AI理解能力，支持多平台对接，降低使用门槛。尽管高度自动化，仍需人类监督以确保质量。

银河通用机器人推出全球首个网球对抗人形机器人智能规控算法LATENT，该算法通过分析人类不完美动作数据，自主学习复杂运动技能，提升网球击球能力，实验成功率达90%。

Figure公司推出的Helix 02机器人，估值390亿美元，能够全自动整理客厅，具备自主学习能力，完成清洁和物品整理等复杂任务。

天津外国语大学与百度文心合作，探索人工智能与外语教育的结合。通过建立数字人智能体平台，师生可以创建多语种助手，重构教学场景。课程强调将AI工具转化为学习助手，培养学生的自主学习能力。专家团队参与数据构建，提升AI在外语任务中的表现，推动文科院校在AI时代的转型与发展。

大多数开发者定期使用AI工具，但对其输出的准确性存疑。AI代理架构通过感知、推理、记忆和工具执行等组件，支持系统自主学习与决策。不同架构适应不同任务需求，设计时需考虑可靠性、延迟和成本等现实约束。

两位创业公司高管分享了七年的育儿经验，强调家庭作为一个系统的重要性。他们选择公立学校以节省精力，聘请保姆以提高可靠性，并将拓展教育带回家中。他们认为关注家庭整体质量和养育方式比单一干预更有效，鼓励孩子自主探索和学习。

Skills 技术通过模块化知识和工具，提升 AI Agent 的能力，解决模型扩展、可靠性和知识利用等问题。2025 年，Anthropic 和 OpenAI 推出 Skills，推动行业标准化和生态发展。Skills 允许模型动态加载任务指导，提高执行效率，未来可能实现多模态和自主学习，促进 AI 应用普及。

1月10日，清华AGI-Next峰会探讨中国AI的未来。姚顺雨强调To C与To B的分化，智能效率和自主学习的重要性。各公司在产品策略上开始分化，腾讯关注场景，阿里推开源，智谱专注Coding。未来Agent将自主定义目标，推动新计算模式。中国AI公司有崛起机会，但需更多冒险精神。

萨德伯里谷学校的教育模式强调儿童自主学习和社区参与，认为每个学生都有能力规划学习和参与事务。通过学校会议和司法系统保障学生权利，促进平等参与，提供安全环境，体现“知行合一”的理念。

本文介绍了HDMI（人类模仿交互）框架，该框架通过RGB视频学习人类与物体的交互技能，并利用强化学习训练人形机器人实现复杂的全身交互能力。研究表明HDMI在真实世界任务中表现出良好的稳健性和灵活性，尤其在行走与物体交互方面。尽管取得了进展，HDMI仍依赖于动作捕捉数据，未来需开发基于传感器的自主学习策略。

《去学校化社会》探讨了学校教育的弊端，认为学校制度导致社会不平等、环境污染和个人能力的丧失。作者主张教育应去学校化，强调个人自主学习和社区互动的重要性，提倡通过非正式渠道促进学习，以实现教育平等。