资料库 · 证据库

证据库

72 条证据,按三件事筛:证据有几分、是谁说的、别人能不能自己去查。其中 8 条有第三方来源,23 条只有厂商口径,6 条评为「实测」却只有自报来源(标着「自报数字」)。

分级说明:强度、来源、可核验性三个轴

三个轴相互独立,不互相换算。开源代码与开放权重只抬高第三个轴,永远不抬高强度—— 代码公开是能被复现的必要条件,不是充分条件。

  • 有实测数据:有公开的量化结果直接支持这条关联。
  • 有演示无数据:有可看的演示或案例,但没有量化结果。
  • 有论证,无实验:有清晰的因果论证或严肃文献支持,但还没有人跑过验证实验。
  • 仅有主张:目前只是有人这样主张,缺乏论证与证据。
  • 能力矩阵的前两档与这里同名;AI4S 的角色(L1–L4)与检验是另外两个轴,和证据强度分开标。
  • 第三方:独立于作者的评测、复现、临床注册或同行研究
  • 论文:作者发表的论文或预印本,有方法可核对,但数字是作者自报
  • 官方口径:厂商、机构或作者自行发布的材料(官网、新闻稿、博客、模型卡、代码仓库、项目页),没有外部核对
  • 媒体:新闻报道或媒体实测,转述的数字只作线索
  • 来源类型由来源字段自动归类,一条证据可以同时有几类。
  • 独立复现:站外团队用自己的实现重新跑出了结果,逐条人工确认,附复现出处。
  • 第三方评测:独立机构按自己的测试集或规则打过分(挑战赛、第三方评测),但没有人重新实现一遍。
  • 注册记录:临床试验在注册库里有记录:试验存在、方案公开,不代表结果已经出来。
  • 媒体实测:记者或媒体上手试过,样本小、条件不受控,只作线索。
  • 可自查:材料公开到任何人可以自己验证:开源代码、开放权重,或有完整方法的论文与预印本;但还没有人独立跑过。
  • 不可查:只有结论和数字,没有可执行、可核对的材料。
  • 这一轴对齐 ACM 的制品徽章:「代码已公开」与「结果已被独立跑通」是两个不同的徽章。
更多筛选
72 / 72 条证据

2026 年 11 月 11 日收录或更新 8 条

有实测数据RSI 阶段 3自报数字官方口径不可查
Anthropic:核心代码库九成以上的改动由 Claude 写

年中报告里是「八成以上」,Fable 5.2 发布时升到「九成以上」(有人类指导)。官方口径,衡量的是代码量,不是研究产出。

引用与链接
正文引用
模型与RSI·证据库:「Anthropic:核心代码库九成以上的改动由 Claude 写」(有实测数据;来源:官方口径;2026 年 11 月 11 日收录)。https://rsi.zongxin.tech/evidence#rsi-anthropic-90-percent-merged
参考文献 · GB/T 7714
模型与RSI. Anthropic:核心代码库九成以上的改动由 Claude 写——证据库[EB/OL]. (2026-11-11)[{引用日期}]. https://rsi.zongxin.tech/evidence#rsi-anthropic-90-percent-merged.
稳定链接
https://rsi.zongxin.tech/evidence#rsi-anthropic-90-percent-merged
有实测数据蛋白质与分子设计 · L2 · 作者实验有争议论文官方口径可自查 · 开放权重
Pinal

把蛋白设计的入口从「指定结构」换成「说出功能」;湿实验里有设计能用,但命中率低,对性质的精确控制仍有限。

争议 · 荧光蛋白 29 条里只有 1 条发光,命中率低;作者也承认对蛋白性质的精确控制还有限。实验都由作者团队完成,尚无第三方复现。

引用与链接
正文引用
模型与RSI·证据库:「Pinal」(有实测数据;来源:论文、官方口径;2026 年 11 月 11 日收录)。https://rsi.zongxin.tech/evidence#ai4s-pinal
参考文献 · GB/T 7714
模型与RSI. Pinal——证据库[EB/OL]. (2026-11-11)[{引用日期}]. https://rsi.zongxin.tech/evidence#ai4s-pinal.
稳定链接
https://rsi.zongxin.tech/evidence#ai4s-pinal
有实测数据虚拟细胞与生物基础模型 · L1 · 基准评测有争议论文可自查
ProteinTalks

虚拟细胞第一次以蛋白质组为底座进了《自然》;能预测药效与协同、给类器官排候选药,但摘要没说明预测有没有经过新的湿实验。

争议 · 摘要里的优势限定在「所评估的协议下、相对所选基线」;预测是否经过新的湿实验验证,本期没能读到全文确认。

引用与链接
正文引用
模型与RSI·证据库:「ProteinTalks」(有实测数据;来源:论文;2026 年 11 月 11 日收录)。https://rsi.zongxin.tech/evidence#ai4s-proteintalks
参考文献 · GB/T 7714
模型与RSI. ProteinTalks——证据库[EB/OL]. (2026-11-11)[{引用日期}]. https://rsi.zongxin.tech/evidence#ai4s-proteintalks.
稳定链接
https://rsi.zongxin.tech/evidence#ai4s-proteintalks
有实测数据传导 · 大模型 →有争议论文官方口径可自查
通用大模型直接当机器人策略

通用大模型不经机器人专门训练,已能在模拟器里直接控制双臂机器人,第三方测出的成绩超过全部公开的机器人策略;但成绩几乎都在模拟器里,真机上它更像高层规划者,离稳定可靠的控制还远。

争议 · 成绩几乎都在模拟器里,Anthropic 的数字是自己跑的;第三方测出精细操作、动态控制与双臂协调都弱,真机上它多是配合专门控制器的高层规划者。

引用与链接
正文引用
模型与RSI·证据库:「通用大模型直接当机器人策略」(有实测数据;来源:论文、官方口径;2026 年 11 月 11 日收录)。https://rsi.zongxin.tech/evidence#crossing-frontier-robot-policy
参考文献 · GB/T 7714
模型与RSI. 通用大模型直接当机器人策略——证据库[EB/OL]. (2026-11-11)[{引用日期}]. https://rsi.zongxin.tech/evidence#crossing-frontier-robot-policy.
稳定链接
https://rsi.zongxin.tech/evidence#crossing-frontier-robot-policy
有实测数据能力矩阵 · 真机迁移自报数字官方口径不可查
Gemini Robotics 2.5 · 真机迁移

真机分任务成功率(如合上工具箱盖 0% → 93%、用夹子装糕点 5% → 100%)与奔驰产线试点 96%;均为厂商数字,没有试验次数,没有第三方复现。

引用与链接
正文引用
模型与RSI·证据库:「Gemini Robotics 2.5 · 真机迁移」(有实测数据;来源:官方口径;2026 年 11 月 11 日收录)。https://rsi.zongxin.tech/evidence#matrix-gemini-robotics-2-5-realworld
参考文献 · GB/T 7714
模型与RSI. Gemini Robotics 2.5 · 真机迁移——证据库[EB/OL]. (2026-11-11)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-gemini-robotics-2-5-realworld.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-gemini-robotics-2-5-realworld
有实测数据能力矩阵 · 真机迁移自报数字官方口径不可查
GR00T 2 · 真机迁移

双臂 + 两只灵巧手的真机上,50 个没见过的任务给出零样本、1 个演示、5 个演示三档成功率;任务名称未逐一公布,尚无第三方复现。

引用与链接
正文引用
模型与RSI·证据库:「GR00T 2 · 真机迁移」(有实测数据;来源:官方口径;2026 年 11 月 11 日收录)。https://rsi.zongxin.tech/evidence#matrix-groot-2-realworld
参考文献 · GB/T 7714
模型与RSI. GR00T 2 · 真机迁移——证据库[EB/OL]. (2026-11-11)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-groot-2-realworld.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-groot-2-realworld
有演示无数据能力矩阵 · 动作可控性官方口径不可查
Genie 4 · 动作可控性

自然语言实时引导镜头、天气与角色,只有官方演示,没有量化可控性指标。

引用与链接
正文引用
模型与RSI·证据库:「Genie 4 · 动作可控性」(有演示无数据;来源:官方口径;2026 年 11 月 11 日收录)。https://rsi.zongxin.tech/evidence#matrix-genie-4-controllable
参考文献 · GB/T 7714
模型与RSI. Genie 4 · 动作可控性——证据库[EB/OL]. (2026-11-11)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-genie-4-controllable.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-genie-4-controllable
有演示无数据能力矩阵 · 规划与反事实官方口径不可查
GR00T 2 · 规划与反事实

同时预测未来视频与动作,先「想象」自己做这件事的画面再出动作;没有单独的规划指标。

引用与链接
正文引用
模型与RSI·证据库:「GR00T 2 · 规划与反事实」(有演示无数据;来源:官方口径;2026 年 11 月 11 日收录)。https://rsi.zongxin.tech/evidence#matrix-groot-2-planning
参考文献 · GB/T 7714
模型与RSI. GR00T 2 · 规划与反事实——证据库[EB/OL]. (2026-11-11)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-groot-2-planning.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-groot-2-planning

2026 年 9 月收录或更新 37 条

有实测数据RSI 阶段 1论文可自查
ACE:让上下文自己演化

不动权重,只让模型根据执行反馈不断改写自己的「操作手册」,智能体基准提升 10.6%。

引用与链接
正文引用
模型与RSI·证据库:「ACE:让上下文自己演化」(有实测数据;来源:论文;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#rsi-ace
参考文献 · GB/T 7714
模型与RSI. ACE:让上下文自己演化——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#rsi-ace.
稳定链接
https://rsi.zongxin.tech/evidence#rsi-ace
有实测数据RSI 阶段 1论文可自查
Voyager:把技能存成代码库

2023 年的早期样本:在 Minecraft 里把学会的技能写成代码存进技能库,后续任务直接调用。

引用与链接
正文引用
模型与RSI·证据库:「Voyager:把技能存成代码库」(有实测数据;来源:论文;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#rsi-voyager
参考文献 · GB/T 7714
模型与RSI. Voyager:把技能存成代码库——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#rsi-voyager.
稳定链接
https://rsi.zongxin.tech/evidence#rsi-voyager
有实测数据RSI 阶段 2论文可自查
达尔文-哥德尔机:智能体改写自己的代码

智能体反复改写自己的脚手架代码并保留一个不断变大的变体档案库,SWE-bench 从 20% 升到 50%。

引用与链接
正文引用
模型与RSI·证据库:「达尔文-哥德尔机:智能体改写自己的代码」(有实测数据;来源:论文;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#rsi-darwin-godel-machine
参考文献 · GB/T 7714
模型与RSI. 达尔文-哥德尔机:智能体改写自己的代码——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#rsi-darwin-godel-machine.
稳定链接
https://rsi.zongxin.tech/evidence#rsi-darwin-godel-machine
有实测数据RSI 阶段 2论文可自查
Meta-Harness:端到端优化模型外面那一层

自动搜索出的脚手架在 TerminalBench-2 上超过最好的人工设计,而且能迁移到没见过的模型上。

引用与链接
正文引用
模型与RSI·证据库:「Meta-Harness:端到端优化模型外面那一层」(有实测数据;来源:论文;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#rsi-meta-harness
参考文献 · GB/T 7714
模型与RSI. Meta-Harness:端到端优化模型外面那一层——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#rsi-meta-harness.
稳定链接
https://rsi.zongxin.tech/evidence#rsi-meta-harness
有实测数据RSI 阶段 3论文可自查
AlphaEvolve:加速了训练自己的那个模型

Gemini 驱动的进化式编程智能体,找到的优化反过来加速了训练 Gemini 本身——阶段 3 最早的硬证据之一。

引用与链接
正文引用
模型与RSI·证据库:「AlphaEvolve:加速了训练自己的那个模型」(有实测数据;来源:论文;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#rsi-alphaevolve
参考文献 · GB/T 7714
模型与RSI. AlphaEvolve:加速了训练自己的那个模型——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#rsi-alphaevolve.
稳定链接
https://rsi.zongxin.tech/evidence#rsi-alphaevolve
有实测数据RSI 阶段 3自报数字官方口径不可查
OpenAI 宣布达成「自动化研究实习生」

OpenAI 称研究团队每个人工工作日对应约 3.1 个智能体工作日;数字全部自测自评。

引用与链接
正文引用
模型与RSI·证据库:「OpenAI 宣布达成「自动化研究实习生」」(有实测数据;来源:官方口径;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#rsi-openai-research-intern
参考文献 · GB/T 7714
模型与RSI. OpenAI 宣布达成「自动化研究实习生」——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#rsi-openai-research-intern.
稳定链接
https://rsi.zongxin.tech/evidence#rsi-openai-research-intern
有实测数据RSI 阶段 3自报数字官方口径不可查
Anthropic:《当 AI 开始构建自己》

合入代码库的代码 80% 以上由 Claude 编写;代码优化任务上的提速从约 3 倍升到约 52 倍。均为官方口径。

引用与链接
正文引用
模型与RSI·证据库:「Anthropic:《当 AI 开始构建自己》」(有实测数据;来源:官方口径;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#rsi-anthropic-when-ai-builds-itself
参考文献 · GB/T 7714
模型与RSI. Anthropic:《当 AI 开始构建自己》——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#rsi-anthropic-when-ai-builds-itself.
稳定链接
https://rsi.zongxin.tech/evidence#rsi-anthropic-when-ai-builds-itself
有实测数据RSI 阶段 3论文可自查
AI Scientist 登上《自然》:全自动写出的论文通过同行评审

Sakana 的系统从想法到写论文全自动完成,一篇通过了顶会工作坊首轮评审——但只是工作坊,接收率约 70%。

引用与链接
正文引用
模型与RSI·证据库:「AI Scientist 登上《自然》:全自动写出的论文通过同行评审」(有实测数据;来源:论文;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#rsi-ai-scientist-nature
参考文献 · GB/T 7714
模型与RSI. AI Scientist 登上《自然》:全自动写出的论文通过同行评审——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#rsi-ai-scientist-nature.
稳定链接
https://rsi.zongxin.tech/evidence#rsi-ai-scientist-nature
有实测数据RSI 阶段 3反方媒体不可查
反方:智能体在开放式研究上「明确不行」

普林斯顿团队让智能体复做两篇未发表的 NeurIPS 2026 论文:工程执行很强,研究判断很弱。

引用与链接
正文引用
模型与RSI·证据库:「反方:智能体在开放式研究上「明确不行」」(有实测数据;来源:媒体;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#rsi-princeton-open-ended-research
参考文献 · GB/T 7714
模型与RSI. 反方:智能体在开放式研究上「明确不行」——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#rsi-princeton-open-ended-research.
稳定链接
https://rsi.zongxin.tech/evidence#rsi-princeton-open-ended-research
有实测数据蛋白质与分子设计 · L1 · 独立检验第三方论文独立复现 · 开源代码
AlphaFold 2

AI4S 的起点事件:CASP14 上的精度接近实验解析水平,随后开放的结构数据库成了生物学的公共基础设施。

复现 · OpenFold 团队用自己的代码从头重训 AlphaFold 2,精度与原版相当,并公开了训练代码与权重Nature Methods 21, 1514–1524 (2024)

引用与链接
正文引用
模型与RSI·证据库:「AlphaFold 2」(有实测数据;来源:第三方、论文;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#ai4s-alphafold-2
参考文献 · GB/T 7714
模型与RSI. AlphaFold 2——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#ai4s-alphafold-2.
稳定链接
https://rsi.zongxin.tech/evidence#ai4s-alphafold-2
有实测数据蛋白质与分子设计 · L1 · 基准评测论文官方口径可自查 · 开放权重
AlphaFold 3

预测这一层的标杆,已是药物研发的日常工具;但它回答的是「长什么样」,不回答「怎么设计」。

引用与链接
正文引用
模型与RSI·证据库:「AlphaFold 3」(有实测数据;来源:论文、官方口径;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#ai4s-alphafold-3
参考文献 · GB/T 7714
模型与RSI. AlphaFold 3——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#ai4s-alphafold-3.
稳定链接
https://rsi.zongxin.tech/evidence#ai4s-alphafold-3
有实测数据蛋白质与分子设计 · L2 · 作者实验第三方论文可自查 · 开源代码
RFdiffusion

让蛋白质设计从少数专家的手艺变成可规模化的流程,设计结果经实验解析的结构与计算设计高度吻合。

引用与链接
正文引用
模型与RSI·证据库:「RFdiffusion」(有实测数据;来源:第三方、论文;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#ai4s-rfdiffusion
参考文献 · GB/T 7714
模型与RSI. RFdiffusion——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#ai4s-rfdiffusion.
稳定链接
https://rsi.zongxin.tech/evidence#ai4s-rfdiffusion
有实测数据蛋白质与分子设计 · L2 · 作者实验论文官方口径可自查 · 开放权重
ESM3

设计出一个与已知荧光蛋白差异很大、但真的会发光的蛋白——语言模型路线做「设计」的代表作。

引用与链接
正文引用
模型与RSI·证据库:「ESM3」(有实测数据;来源:论文、官方口径;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#ai4s-esm3
参考文献 · GB/T 7714
模型与RSI. ESM3——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#ai4s-esm3.
稳定链接
https://rsi.zongxin.tech/evidence#ai4s-esm3
有实测数据蛋白质与分子设计 · L2 · 作者实验论文可自查
AlphaProteo

在七个靶点上湿实验验证过,并首次为 VEGF-A 设计出可用的结合剂;但模型未开放,外部无法复现。

引用与链接
正文引用
模型与RSI·证据库:「AlphaProteo」(有实测数据;来源:论文;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#ai4s-alphaproteo
参考文献 · GB/T 7714
模型与RSI. AlphaProteo——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#ai4s-alphaproteo.
稳定链接
https://rsi.zongxin.tech/evidence#ai4s-alphaproteo
有实测数据药物发现 · L2 · 临床试验有争议第三方论文官方口径注册记录
Rentosertib(ISM001-055)

第一个进入三期临床的「靶点和分子都由生成式 AI 发现」的药物。二期数据积极但样本小,三期结果要等到 2027 年以后。

争议 · 二期 a 规模小(71 人)、周期短(12 周),主要终点是安全性而非疗效,FVC 改善只是探索性结果。「AI 发现」的说法主要依据公司自述,外界无法独立检验 AI 在其中的具体贡献。

引用与链接
正文引用
模型与RSI·证据库:「Rentosertib(ISM001-055)」(有实测数据;来源:第三方、论文、官方口径;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#ai4s-rentosertib
参考文献 · GB/T 7714
模型与RSI. Rentosertib(ISM001-055)——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#ai4s-rentosertib.
稳定链接
https://rsi.zongxin.tech/evidence#ai4s-rentosertib
有实测数据药物发现 · L1 · 基准评测论文官方口径可自查 · 开源代码
Boltz-2

把药物筛选里最贵的一步(算亲和力)提速上千倍,而且权重与训练代码全开放、可商用——开源阵营的 AlphaFold 3 替代品。

引用与链接
正文引用
模型与RSI·证据库:「Boltz-2」(有实测数据;来源:论文、官方口径;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#ai4s-boltz-2
参考文献 · GB/T 7714
模型与RSI. Boltz-2——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#ai4s-boltz-2.
稳定链接
https://rsi.zongxin.tech/evidence#ai4s-boltz-2
有实测数据虚拟细胞与生物基础模型 · L2 · 基准评测论文官方口径可自查 · 开源代码
Evo 2

生物序列的「大模型」标杆,完全开放;能预测突变影响、生成基因组片段,但生成的长序列是否真能在细胞里工作仍需逐一验证。

引用与链接
正文引用
模型与RSI·证据库:「Evo 2」(有实测数据;来源:论文、官方口径;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#ai4s-evo-2
参考文献 · GB/T 7714
模型与RSI. Evo 2——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#ai4s-evo-2.
稳定链接
https://rsi.zongxin.tech/evidence#ai4s-evo-2
有实测数据虚拟细胞与生物基础模型 · L1 · 独立检验有争议第三方官方口径第三方评测
xTrimoSCPerturb

拿下 Arc 首届虚拟细胞挑战赛第一名的中国团队模型;证明了单细胞基础模型的可用性,但比赛本身只覆盖有限的细胞类型。

争议 · Arc 2026 年的第二届挑战赛把题目改成「在模型没见过的细胞环境中预测扰动响应」——这恰恰说明首届比赛的设定还不足以回答泛化问题。

引用与链接
正文引用
模型与RSI·证据库:「xTrimoSCPerturb」(有实测数据;来源:第三方、官方口径;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#ai4s-xtrimo-sc-perturb
参考文献 · GB/T 7714
模型与RSI. xTrimoSCPerturb——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#ai4s-xtrimo-sc-perturb.
稳定链接
https://rsi.zongxin.tech/evidence#ai4s-xtrimo-sc-perturb
有实测数据材料研发 · L1 · 基准评测有争议论文可自查 · 开放权重
GNoME

把「预测稳定」这一层做到了极致;但「稳定」不等于「做得出来」也不等于「有用」,这之间的距离是材料 AI 的核心问题。

争议 · 有材料学者指出,大量预测结构只是已知结构的元素替换,化学上的新颖性有限;「新材料」这个说法在材料学界有争议。

引用与链接
正文引用
模型与RSI·证据库:「GNoME」(有实测数据;来源:论文;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#ai4s-gnome
参考文献 · GB/T 7714
模型与RSI. GNoME——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#ai4s-gnome.
稳定链接
https://rsi.zongxin.tech/evidence#ai4s-gnome
有实测数据材料研发 · L2 · 作者实验论文可自查 · 开源代码
MatterGen

从「筛选」跨到「按需生成」,并有一例实验合成;但只有一例,离常规流程还远。

引用与链接
正文引用
模型与RSI·证据库:「MatterGen」(有实测数据;来源:论文;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#ai4s-mattergen
参考文献 · GB/T 7714
模型与RSI. MatterGen——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#ai4s-mattergen.
稳定链接
https://rsi.zongxin.tech/evidence#ai4s-mattergen
有实测数据材料研发 · L1 · 基准评测论文官方口径可自查 · 开源代码
MatterSim

把材料的第一级验证器(DFT 计算)变便宜:同一个模型跨元素、跨温度压力可用,是生成模型之后的筛选工具。

引用与链接
正文引用
模型与RSI·证据库:「MatterSim」(有实测数据;来源:论文、官方口径;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#ai4s-mattersim
参考文献 · GB/T 7714
模型与RSI. MatterSim——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#ai4s-mattersim.
稳定链接
https://rsi.zongxin.tech/evidence#ai4s-mattersim
有实测数据材料研发 · L1 · 基准评测论文可自查 · 开放权重
UMA

原子模拟也开始讲规模定律:用约 5 亿个三维结构训练,跨化学领域通用;但仍是预测层,离设计与闭环还远。

引用与链接
正文引用
模型与RSI·证据库:「UMA」(有实测数据;来源:论文;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#ai4s-uma
参考文献 · GB/T 7714
模型与RSI. UMA——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#ai4s-uma.
稳定链接
https://rsi.zongxin.tech/evidence#ai4s-uma
有实测数据材料研发 · L3 · 作者实验有争议论文可自查
A-Lab

自动实验室的标志性案例,也是最好的反面教材:「新材料」的说法被同行质疑后,论文在 2026 年 2 月作了更正,连标题里的「新材料」都改成了「无机材料」。

争议 · 伦敦大学学院的 Robert Palgrave 与普林斯顿的 Leslie Schoop 团队分析后认为,这批化合物中没有真正意义上的新材料,自动化的 X 射线衍射解析也存在误判。这是「自动实验室的结论也需要验证器」的现成例子。

引用与链接
正文引用
模型与RSI·证据库:「A-Lab」(有实测数据;来源:论文;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#ai4s-a-lab
参考文献 · GB/T 7714
模型与RSI. A-Lab——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#ai4s-a-lab.
稳定链接
https://rsi.zongxin.tech/evidence#ai4s-a-lab
有实测数据AI 科学家 · L3 · 作者实验有争议论文官方口径可自查
Robin

第一次把「实验室在环」的完整科研循环交给 AI,找到一个老药的新用途;但实验仍由人来做,候选药离临床还很远。

争议 · ripasudil 本身是已上市药物,这是「重定位」而不是全新分子;细胞实验到临床疗效之间还有很长的距离。

引用与链接
正文引用
模型与RSI·证据库:「Robin」(有实测数据;来源:论文、官方口径;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#ai4s-robin
参考文献 · GB/T 7714
模型与RSI. Robin——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#ai4s-robin.
稳定链接
https://rsi.zongxin.tech/evidence#ai4s-robin
有实测数据AI 科学家 · L3 · 作者实验有争议论文可自查
Co-Scientist(Gemini)

通用大模型直接给出实验配方并在真实实验室一次成功——SOTA 牵引 AI4S 最直接的一例;但仍是半自动,结构确认也还不完整。

争议 · 论文自己承认,MXene 类材料的合成结果「需要进一步实验确认原子结构」;这是 Google 自家团队的论文,尚无第三方复现。

引用与链接
正文引用
模型与RSI·证据库:「Co-Scientist(Gemini)」(有实测数据;来源:论文;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#ai4s-co-scientist
参考文献 · GB/T 7714
模型与RSI. Co-Scientist(Gemini)——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#ai4s-co-scientist.
稳定链接
https://rsi.zongxin.tech/evidence#ai4s-co-scientist
有实测数据传导 · 大模型 →有争议第三方官方口径第三方评测
同一个基准,两个都算数的分数

同一个模型、同一套题,换一层评测外壳分数从 62.7% 跳到 99.9%——世界模型的官方数字经不起同样这一问。

争议 · 有人认为 62.7% 才是模型的真实能力、99.9% 是注水;ARC Prize 自己不这么表述。争的是「要衡量的到底是模型,还是模型加上它的那层壳」,这个问题对世界模型同样没有答案。

引用与链接
正文引用
模型与RSI·证据库:「同一个基准,两个都算数的分数」(有实测数据;来源:第三方、官方口径;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#crossing-harness-gap
参考文献 · GB/T 7714
模型与RSI. 同一个基准,两个都算数的分数——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#crossing-harness-gap.
稳定链接
https://rsi.zongxin.tech/evidence#crossing-harness-gap
有实测数据能力矩阵 · 动作可控性自报数字有争议官方口径不可查
Atlas · 动作可控性

相机位姿是原生输入格式,人类偏好评测在五个对手上给出 75%–94% 的胜率。需要注意口径:对手模型不接受相机作为原生输入,只能用文本描述相机运动,World Labs 自己也承认更精细的提示工程可能改善对手表现。

争议 · 胜率是厂商自己组织的人类偏好评测,对手模型在不利口径下参评(不接受相机原生输入),World Labs 也承认更精细的提示工程可能改善对手表现;没有第三方用同一口径重测过。

引用与链接
正文引用
模型与RSI·证据库:「Atlas · 动作可控性」(有实测数据;来源:官方口径;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#matrix-atlas-controllable
参考文献 · GB/T 7714
模型与RSI. Atlas · 动作可控性——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-atlas-controllable.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-atlas-controllable
有演示无数据传导 · 大模型 →有争议论文官方口径媒体可自查
通用大模型进入科研工作台

三家都在 2026 年把通用模型推进了科研流程;目前加速的是文献、分析、写作与实验设计,验证环节——湿实验与临床——一步也没有变快。

争议 · 量化数字大多是用户自述而非对照实验,Co-Scientist 的结果是 Google 自家论文、尚无第三方复现;药企试点多落地少是老问题,诺和诺德的合作公告里没有可事后核对的目标。

引用与链接
正文引用
模型与RSI·证据库:「通用大模型进入科研工作台」(有演示无数据;来源:论文、官方口径、媒体;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#crossing-science-workbench
参考文献 · GB/T 7714
模型与RSI. 通用大模型进入科研工作台——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#crossing-science-workbench.
稳定链接
https://rsi.zongxin.tech/evidence#crossing-science-workbench
有演示无数据能力矩阵 · 物理合理性官方口径可自查 · 开放权重
Cosmos 3 · 物理合理性

官方称在 Physics-IQ、R-Bench、PAI-Bench 这几个物理类榜单上居首,但发布博客没有给出任何具体分数,也没有第三方复现——这是「有主张、无可核对数字」的典型。

引用与链接
正文引用
模型与RSI·证据库:「Cosmos 3 · 物理合理性」(有演示无数据;来源:官方口径;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#matrix-cosmos-3-physics
参考文献 · GB/T 7714
模型与RSI. Cosmos 3 · 物理合理性——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-cosmos-3-physics.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-cosmos-3-physics
有演示无数据能力矩阵 · 时序一致性官方口径不可查
Atlas · 时序一致性

官方展示了 1 分钟、1440p 的连贯长视频,场景在整条相机路径上保持一致,但没有给出任何量化的长程一致性指标。

引用与链接
正文引用
模型与RSI·证据库:「Atlas · 时序一致性」(有演示无数据;来源:官方口径;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#matrix-atlas-temporal
参考文献 · GB/T 7714
模型与RSI. Atlas · 时序一致性——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-atlas-temporal.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-atlas-temporal
有演示无数据能力矩阵 · 长程记忆官方口径不可查
Atlas · 长程记忆

官方称同一组输入图像下无论换多少次相机路径,场景都保持一致;这是空间一致性的演示,没有量化的场景保真度数字。

引用与链接
正文引用
模型与RSI·证据库:「Atlas · 长程记忆」(有演示无数据;来源:官方口径;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#matrix-atlas-memory
参考文献 · GB/T 7714
模型与RSI. Atlas · 长程记忆——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-atlas-memory.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-atlas-memory
有演示无数据能力矩阵 · 真机迁移官方口径不可查
Atlas · 真机迁移

官方演示用手机拍摄的 24 帧视频重建大场景,再模拟机器人沿不同路径行走并生成其机身相机会看到的 RGB 与深度;但没有公开任何真机策略迁移的成功率数字。

引用与链接
正文引用
模型与RSI·证据库:「Atlas · 真机迁移」(有演示无数据;来源:官方口径;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#matrix-atlas-realworld
参考文献 · GB/T 7714
模型与RSI. Atlas · 真机迁移——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-atlas-realworld.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-atlas-realworld
有论证,无实验RSI 阶段 2官方口径不可查
翁荔:近期的自我改进走的是 Harness,而不是改权重

一篇系统梳理:从提示词优化到「优化器代码自己演化」的五级阶梯,主张近期 RSI 主要经由 Harness 发生。

引用与链接
正文引用
模型与RSI·证据库:「翁荔:近期的自我改进走的是 Harness,而不是改权重」(有论证,无实验;来源:官方口径;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#rsi-weng-harness
参考文献 · GB/T 7714
模型与RSI. 翁荔:近期的自我改进走的是 Harness,而不是改权重——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#rsi-weng-harness.
稳定链接
https://rsi.zongxin.tech/evidence#rsi-weng-harness
有论证,无实验传导 · 大模型 →有争议第三方官方口径第三方评测
从压缩摘要到可检索的持久上下文

对照组这个月在补「长程记忆」,但补的是自己会话历史的记忆,不是环境状态的记忆——两件事只共享一个名字。

争议 · Codex 记的是自己写过的会话文本,世界模型要记的是连续高维、从没被显式写下来的环境状态;检索一段自己写过的笔记与重建一个自己没写过的世界,是两个问题。真正在传导的可能只是「为长上下文做的系统工程」。

引用与链接
正文引用
模型与RSI·证据库:「从压缩摘要到可检索的持久上下文」(有论证,无实验;来源:第三方、官方口径;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#crossing-persistent-context
参考文献 · GB/T 7714
模型与RSI. 从压缩摘要到可检索的持久上下文——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#crossing-persistent-context.
稳定链接
https://rsi.zongxin.tech/evidence#crossing-persistent-context
仅有主张RSI 阶段 4官方口径不可查
阶段 4 目前只有时间表

OpenAI 把「自动化 AI 研究员」定在 2028 年 3 月;Anthropic 的时间线上这一格写的是「20XX?」。

引用与链接
正文引用
模型与RSI·证据库:「阶段 4 目前只有时间表」(仅有主张;来源:官方口径;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#rsi-stage4-stated-goals
参考文献 · GB/T 7714
模型与RSI. 阶段 4 目前只有时间表——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#rsi-stage4-stated-goals.
稳定链接
https://rsi.zongxin.tech/evidence#rsi-stage4-stated-goals
仅有主张药物发现 · L2 · 未公开官方口径媒体不可查
Isomorphic Labs 管线

AI4S 声量最大的公司之一,但截至本期还没有药物进入临床,首个临床时间点已推迟一次。

引用与链接
正文引用
模型与RSI·证据库:「Isomorphic Labs 管线」(仅有主张;来源:官方口径、媒体;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#ai4s-isomorphic-pipeline
参考文献 · GB/T 7714
模型与RSI. Isomorphic Labs 管线——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#ai4s-isomorphic-pipeline.
稳定链接
https://rsi.zongxin.tech/evidence#ai4s-isomorphic-pipeline
仅有主张材料研发 · L3 · 未公开官方口径不可查
Periodic Labs 自动实验室

资本投入最重的「AI 科学家 + 自动实验室」公司;截至本期没有公开发表的材料发现,只能标官方口径。

引用与链接
正文引用
模型与RSI·证据库:「Periodic Labs 自动实验室」(仅有主张;来源:官方口径;2026 年 9 月收录)。https://rsi.zongxin.tech/evidence#ai4s-periodic-labs
参考文献 · GB/T 7714
模型与RSI. Periodic Labs 自动实验室——证据库[EB/OL]. (2026-09)[{引用日期}]. https://rsi.zongxin.tech/evidence#ai4s-periodic-labs.
稳定链接
https://rsi.zongxin.tech/evidence#ai4s-periodic-labs

2026 年 8 月收录或更新 27 条

有实测数据传导 · RSI →有争议论文官方口径可自查
递归自我改进

方向和直觉相反:不是 RSI 顺带产生世界模型,而是世界模型是 RSI 走出数字域的前置条件——因为物理世界没有便宜的验证器。

争议 · 杨立昆一派认为,数字域的自我改进靠的是可验证的奖励信号,本质是搜索;物理域的困难在表征,因此 RSI 在代码上的成功不构成迁移证据。另外 World Action Verifier 验证的是「自我改进能让世界模型变好」,反方向「世界模型让 RSI 进入物理域」仍只有论证。

引用与链接
正文引用
模型与RSI·证据库:「递归自我改进」(有实测数据;来源:论文、官方口径;2026 年 8 月收录)。https://rsi.zongxin.tech/evidence#crossing-rsi
参考文献 · GB/T 7714
模型与RSI. 递归自我改进——证据库[EB/OL]. (2026-08)[{引用日期}]. https://rsi.zongxin.tech/evidence#crossing-rsi.
稳定链接
https://rsi.zongxin.tech/evidence#crossing-rsi
有实测数据能力矩阵 · 时序一致性论文可自查 · 开放权重
World Models · 时序一致性

控制器 C 完全在 M 生成的想象序列里训练、全程未接触真实环境,转移到真实环境后 VizDoom 平均存活约 1100 步,说明长程想象没有从一开始就崩坏。

引用与链接
正文引用
模型与RSI·证据库:「World Models · 时序一致性」(有实测数据;来源:论文;2026 年 8 月收录)。https://rsi.zongxin.tech/evidence#matrix-world-models-2018-temporal
参考文献 · GB/T 7714
模型与RSI. World Models · 时序一致性——证据库[EB/OL]. (2026-08)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-world-models-2018-temporal.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-world-models-2018-temporal
有实测数据能力矩阵 · 规划与反事实论文可自查 · 开放权重
World Models · 规划与反事实

策略完全在 M 生成的想象环境中训练、不接触真实环境,CarRacing 均分 906±21、VizDoom 平均存活约 1100 步,证明想象训练可迁移为真实决策。

引用与链接
正文引用
模型与RSI·证据库:「World Models · 规划与反事实」(有实测数据;来源:论文;2026 年 8 月收录)。https://rsi.zongxin.tech/evidence#matrix-world-models-2018-planning
参考文献 · GB/T 7714
模型与RSI. World Models · 规划与反事实——证据库[EB/OL]. (2026-08)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-world-models-2018-planning.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-world-models-2018-planning
有实测数据能力矩阵 · 时序一致性论文可自查 · 开放权重
DreamerV3 · 时序一致性

单套超参数在 150+ 个多样任务上稳定训练,其中 Minecraft 采钻石任务连续跑约 3000 万环境步(约 17 天游戏内时长)未发散。

引用与链接
正文引用
模型与RSI·证据库:「DreamerV3 · 时序一致性」(有实测数据;来源:论文;2026 年 8 月收录)。https://rsi.zongxin.tech/evidence#matrix-dreamer-v3-temporal
参考文献 · GB/T 7714
模型与RSI. DreamerV3 · 时序一致性——证据库[EB/OL]. (2026-08)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-dreamer-v3-temporal.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-dreamer-v3-temporal
有实测数据能力矩阵 · 规划与反事实论文可自查 · 开放权重
DreamerV3 · 规划与反事实

核心机制是让智能体在世界模型生成的想象场景中学习并改进策略,据此在 150+ 任务上追平或超过各领域专用方法。

引用与链接
正文引用
模型与RSI·证据库:「DreamerV3 · 规划与反事实」(有实测数据;来源:论文;2026 年 8 月收录)。https://rsi.zongxin.tech/evidence#matrix-dreamer-v3-planning
参考文献 · GB/T 7714
模型与RSI. DreamerV3 · 规划与反事实——证据库[EB/OL]. (2026-08)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-dreamer-v3-planning.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-dreamer-v3-planning
有实测数据能力矩阵 · 时序一致性论文可自查 · 开放权重
V-JEPA 2 · 时序一致性

在跨机械臂零样本抓取放置任务中,多步动作规划全程使用同一世界模型的想象序列,任务整体成功率约 65%–80%,说明想象没有在任务时程内明显发散。

引用与链接
正文引用
模型与RSI·证据库:「V-JEPA 2 · 时序一致性」(有实测数据;来源:论文;2026 年 8 月收录)。https://rsi.zongxin.tech/evidence#matrix-v-jepa-2-temporal
参考文献 · GB/T 7714
模型与RSI. V-JEPA 2 · 时序一致性——证据库[EB/OL]. (2026-08)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-v-jepa-2-temporal.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-v-jepa-2-temporal
有实测数据能力矩阵 · 动作可控性论文可自查 · 开放权重
V-JEPA 2 · 动作可控性

V-JEPA 2-AC 用动作条件建模,在表征空间里对不同候选动作序列的后果做预测并据此选择动作;在两个实验室从未训练过的 Franka 机械臂上零样本部署,不同目标/物体对应的 pick-and-place 成功率约 65%–80%,说明模型确实按不同目标选出了不同且大多正确的动作序列。

引用与链接
正文引用
模型与RSI·证据库:「V-JEPA 2 · 动作可控性」(有实测数据;来源:论文;2026 年 8 月收录)。https://rsi.zongxin.tech/evidence#matrix-v-jepa-2-controllable
参考文献 · GB/T 7714
模型与RSI. V-JEPA 2 · 动作可控性——证据库[EB/OL]. (2026-08)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-v-jepa-2-controllable.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-v-jepa-2-controllable
有实测数据能力矩阵 · 规划与反事实论文可自查 · 开放权重
V-JEPA 2 · 规划与反事实

给定目标图像,模型在表征空间里对候选动作序列做「脑内试错」并挑选最接近目标的一条执行;这套机制在两个实验室的零样本抓取放置任务上取得约 65%–80% 的成功率,单步规划耗时约 16 秒(比 Cosmos 基线快一个数量级)。

引用与链接
正文引用
模型与RSI·证据库:「V-JEPA 2 · 规划与反事实」(有实测数据;来源:论文;2026 年 8 月收录)。https://rsi.zongxin.tech/evidence#matrix-v-jepa-2-planning
参考文献 · GB/T 7714
模型与RSI. V-JEPA 2 · 规划与反事实——证据库[EB/OL]. (2026-08)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-v-jepa-2-planning.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-v-jepa-2-planning
有实测数据能力矩阵 · 真机迁移论文可自查 · 开放权重
V-JEPA 2 · 真机迁移

在两个实验室此前未训练过的 Franka 机械臂上零样本部署,pick-and-place 成功率约 65%–80%(因物体而异)。

引用与链接
正文引用
模型与RSI·证据库:「V-JEPA 2 · 真机迁移」(有实测数据;来源:论文;2026 年 8 月收录)。https://rsi.zongxin.tech/evidence#matrix-v-jepa-2-realworld
参考文献 · GB/T 7714
模型与RSI. V-JEPA 2 · 真机迁移——证据库[EB/OL]. (2026-08)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-v-jepa-2-realworld.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-v-jepa-2-realworld
有实测数据能力矩阵 · 时序一致性论文可自查 · 开放权重
π0.5 · 时序一致性

在从未见过的新家庭/卧室里执行 10–15 分钟的长程多阶段收拾任务(任务类型据论文),未见执行中期明显退化的报告。

引用与链接
正文引用
模型与RSI·证据库:「π0.5 · 时序一致性」(有实测数据;来源:论文;2026 年 8 月收录)。https://rsi.zongxin.tech/evidence#matrix-pi-0-5-temporal
参考文献 · GB/T 7714
模型与RSI. π0.5 · 时序一致性——证据库[EB/OL]. (2026-08)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-pi-0-5-temporal.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-pi-0-5-temporal
有实测数据能力矩阵 · 动作可控性论文可自查 · 开放权重
π0.5 · 动作可控性

flow-matching 动作专家依据语言指令与视觉观测,在 17 维动作空间(双臂+全向移动底座、14 维状态)连续输出不同动作序列。

引用与链接
正文引用
模型与RSI·证据库:「π0.5 · 动作可控性」(有实测数据;来源:论文;2026 年 8 月收录)。https://rsi.zongxin.tech/evidence#matrix-pi-0-5-controllable
参考文献 · GB/T 7714
模型与RSI. π0.5 · 动作可控性——证据库[EB/OL]. (2026-08)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-pi-0-5-controllable.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-pi-0-5-controllable
有实测数据能力矩阵 · 真机迁移论文可自查 · 开放权重
π0.5 · 真机迁移

双臂 ARX 机械臂+全向移动底座,在训练时从未见过的新家庭/卧室完成打扫、整理等真机任务;官方口径整体成功率约 94%。

引用与链接
正文引用
模型与RSI·证据库:「π0.5 · 真机迁移」(有实测数据;来源:论文;2026 年 8 月收录)。https://rsi.zongxin.tech/evidence#matrix-pi-0-5-realworld
参考文献 · GB/T 7714
模型与RSI. π0.5 · 真机迁移——证据库[EB/OL]. (2026-08)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-pi-0-5-realworld.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-pi-0-5-realworld
有演示无数据能力矩阵 · 动作可控性论文可自查 · 开放权重
World Models · 动作可控性

M(MDN-RNN)以动作为条件预测下一时刻隐状态,论文对此是架构层面的定性描述,没有单独的可控性量化指标。

引用与链接
正文引用
模型与RSI·证据库:「World Models · 动作可控性」(有演示无数据;来源:论文;2026 年 8 月收录)。https://rsi.zongxin.tech/evidence#matrix-world-models-2018-controllable
参考文献 · GB/T 7714
模型与RSI. World Models · 动作可控性——证据库[EB/OL]. (2026-08)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-world-models-2018-controllable.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-world-models-2018-controllable
有演示无数据能力矩阵 · 动作可控性论文可自查 · 开放权重
DreamerV3 · 动作可控性

同一套配置同时适配离散动作(Atari 等)与连续动作控制(DeepMind Control 等),论文对此是架构层面的定性描述,没有单独衡量「动作跟随准确度」一类可控性的量化指标。

引用与链接
正文引用
模型与RSI·证据库:「DreamerV3 · 动作可控性」(有演示无数据;来源:论文;2026 年 8 月收录)。https://rsi.zongxin.tech/evidence#matrix-dreamer-v3-controllable
参考文献 · GB/T 7714
模型与RSI. DreamerV3 · 动作可控性——证据库[EB/OL]. (2026-08)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-dreamer-v3-controllable.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-dreamer-v3-controllable
有演示无数据能力矩阵 · 时序一致性官方口径不可查
Sora · 时序一致性

官方技术报告展示长达 1 分钟、镜头运动与光照保持较高一致性的精选视频,但无第三方可复现的定量连贯性指标。

引用与链接
正文引用
模型与RSI·证据库:「Sora · 时序一致性」(有演示无数据;来源:官方口径;2026 年 8 月收录)。https://rsi.zongxin.tech/evidence#matrix-sora-temporal
参考文献 · GB/T 7714
模型与RSI. Sora · 时序一致性——证据库[EB/OL]. (2026-08)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-sora-temporal.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-sora-temporal
有演示无数据能力矩阵 · 物理合理性有争议官方口径不可查
Sora · 物理合理性

OpenAI 官方承认「模拟复杂物理的能力有限,理解因果关系和分辨左右的能力也有限」;另有研究(arXiv:2411.02385,测试的是自建的同类扩散视频模型而非 Sora 本身)发现规模扩大不足以让此类模型学到可泛化的物理规律。

争议 · 「Sora 是不是学到了物理」本身就是争议点:生成派认为像素级预测隐含地学到了物理规律,反方(arXiv:2411.02385)发现同类模型规模扩大也没有泛化的物理规律,官方自己也把物理模拟列为已知限制。

引用与链接
正文引用
模型与RSI·证据库:「Sora · 物理合理性」(有演示无数据;来源:官方口径;2026 年 8 月收录)。https://rsi.zongxin.tech/evidence#matrix-sora-physics
参考文献 · GB/T 7714
模型与RSI. Sora · 物理合理性——证据库[EB/OL]. (2026-08)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-sora-physics.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-sora-physics
有演示无数据能力矩阵 · 时序一致性官方口径不可查
Genie 3 · 时序一致性

官方称环境一致性可维持数分钟;至今没有发表技术论文,24fps/720p 为 2025-08 研究预览版规格,非独立可复现的测量结果。

引用与链接
正文引用
模型与RSI·证据库:「Genie 3 · 时序一致性」(有演示无数据;来源:官方口径;2026 年 8 月收录)。https://rsi.zongxin.tech/evidence#matrix-genie-3-temporal
参考文献 · GB/T 7714
模型与RSI. Genie 3 · 时序一致性——证据库[EB/OL]. (2026-08)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-genie-3-temporal.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-genie-3-temporal
有演示无数据能力矩阵 · 动作可控性官方口径不可查
Genie 3 · 动作可控性

支持用文字指令实时向场景「注入」事件(如天气变化、角色出现),为官方演示描述,无量化可控性指标。

引用与链接
正文引用
模型与RSI·证据库:「Genie 3 · 动作可控性」(有演示无数据;来源:官方口径;2026 年 8 月收录)。https://rsi.zongxin.tech/evidence#matrix-genie-3-controllable
参考文献 · GB/T 7714
模型与RSI. Genie 3 · 动作可控性——证据库[EB/OL]. (2026-08)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-genie-3-controllable.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-genie-3-controllable
有演示无数据能力矩阵 · 长程记忆官方口径不可查
Genie 3 · 长程记忆

官方称视觉记忆可回溯约 1 分钟前的画面(转身再回头场景大概率还在),该规格适用于 2025-08 研究预览版,2026-01 后的开放版本未见重新公布。

引用与链接
正文引用
模型与RSI·证据库:「Genie 3 · 长程记忆」(有演示无数据;来源:官方口径;2026 年 8 月收录)。https://rsi.zongxin.tech/evidence#matrix-genie-3-memory
参考文献 · GB/T 7714
模型与RSI. Genie 3 · 长程记忆——证据库[EB/OL]. (2026-08)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-genie-3-memory.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-genie-3-memory
有演示无数据能力矩阵 · 时序一致性论文可自查 · 开放权重
LingBot-World 2 · 时序一致性

论文摘要称因果预训练配合 MoBA 注意力可支持『unbounded interaction horizon』的小时级持续生成,但 60fps 衡量的是吞吐而非时序一致性本身,论文未给出独立的场景一致性量化指标。

引用与链接
正文引用
模型与RSI·证据库:「LingBot-World 2 · 时序一致性」(有演示无数据;来源:论文;2026 年 8 月收录)。https://rsi.zongxin.tech/evidence#matrix-lingbot-world-2-temporal
参考文献 · GB/T 7714
模型与RSI. LingBot-World 2 · 时序一致性——证据库[EB/OL]. (2026-08)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-lingbot-world-2-temporal.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-lingbot-world-2-temporal
有演示无数据能力矩阵 · 动作可控性论文可自查 · 开放权重
LingBot-World 2 · 动作可控性

论文摘要描述 pilot agent 负责规划角色行为、director agent 负责合成新环境元素,并支持多名玩家同时进入同一世界互动,但这是架构层面的定性描述,没有单独的可控性量化指标。

引用与链接
正文引用
模型与RSI·证据库:「LingBot-World 2 · 动作可控性」(有演示无数据;来源:论文;2026 年 8 月收录)。https://rsi.zongxin.tech/evidence#matrix-lingbot-world-2-controllable
参考文献 · GB/T 7714
模型与RSI. LingBot-World 2 · 动作可控性——证据库[EB/OL]. (2026-08)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-lingbot-world-2-controllable.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-lingbot-world-2-controllable
有演示无数据能力矩阵 · 物理合理性第三方媒体媒体实测 · 开放权重
LingBot-World 2 · 物理合理性

第三方实测认为可玩性与物理表现令人印象深刻,但为主观定性评价,没有公开的物理合规性/碰撞基准数字。

引用与链接
正文引用
模型与RSI·证据库:「LingBot-World 2 · 物理合理性」(有演示无数据;来源:第三方、媒体;2026 年 8 月收录)。https://rsi.zongxin.tech/evidence#matrix-lingbot-world-2-physics
参考文献 · GB/T 7714
模型与RSI. LingBot-World 2 · 物理合理性——证据库[EB/OL]. (2026-08)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-lingbot-world-2-physics.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-lingbot-world-2-physics
有演示无数据能力矩阵 · 长程记忆有争议第三方论文媒体媒体实测 · 开放权重
LingBot-World 2 · 长程记忆

官方展示多人同时进入同一持续生成的世界互动,但第三方实测记录了转身返回后出现此前不存在的墙这一空间不一致问题(官方称为体验版工程限制),暂无量化场景一致性数字。

争议 · 官方演示与第三方实测结论相反:实测遇到转身返回后凭空出现的墙,官方解释为体验版的工程限制而非模型能力问题。两边都没有量化的场景一致性数字。

引用与链接
正文引用
模型与RSI·证据库:「LingBot-World 2 · 长程记忆」(有演示无数据;来源:第三方、论文、媒体;2026 年 8 月收录)。https://rsi.zongxin.tech/evidence#matrix-lingbot-world-2-memory
参考文献 · GB/T 7714
模型与RSI. LingBot-World 2 · 长程记忆——证据库[EB/OL]. (2026-08)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-lingbot-world-2-memory.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-lingbot-world-2-memory
有演示无数据能力矩阵 · 规划与反事实官方口径可自查 · 开放权重
π0.5 · 规划与反事实

官方博客消融实验称,去掉高层子任务预测(语义层规划)后开放世界成功率从约 94% 降到约 31%;具体百分比来自官网博客转述,未在 arXiv 论文正文逐一核对到对应表格。

引用与链接
正文引用
模型与RSI·证据库:「π0.5 · 规划与反事实」(有演示无数据;来源:官方口径;2026 年 8 月收录)。https://rsi.zongxin.tech/evidence#matrix-pi-0-5-planning
参考文献 · GB/T 7714
模型与RSI. π0.5 · 规划与反事实——证据库[EB/OL]. (2026-08)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-pi-0-5-planning.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-pi-0-5-planning
有演示无数据能力矩阵 · 物理合理性官方口径不可查
Marble · 物理合理性

官方称同一模型同时输出高斯泼溅与「可供物理引擎运算」的碰撞网格,但官方自己也承认 AI 生成几何有时会自相交或比例失真,导致「不合理的物理」,无公开的物理准确度基准数字。

引用与链接
正文引用
模型与RSI·证据库:「Marble · 物理合理性」(有演示无数据;来源:官方口径;2026 年 8 月收录)。https://rsi.zongxin.tech/evidence#matrix-marble-physics
参考文献 · GB/T 7714
模型与RSI. Marble · 物理合理性——证据库[EB/OL]. (2026-08)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-marble-physics.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-marble-physics
有演示无数据能力矩阵 · 长程记忆官方口径不可查
Marble · 长程记忆

官方演示可从不同角度绕回同一位置,看到的仍是同一批物体、同样的位置,即「持久性」,但没有量化的场景保真度指标。

引用与链接
正文引用
模型与RSI·证据库:「Marble · 长程记忆」(有演示无数据;来源:官方口径;2026 年 8 月收录)。https://rsi.zongxin.tech/evidence#matrix-marble-memory
参考文献 · GB/T 7714
模型与RSI. Marble · 长程记忆——证据库[EB/OL]. (2026-08)[{引用日期}]. https://rsi.zongxin.tech/evidence#matrix-marble-memory.
稳定链接
https://rsi.zongxin.tech/evidence#matrix-marble-memory
有论证,无实验传导 · 大模型 →有争议官方口径媒体不可查
物理版 MCP:Model Hardware Standard

它一行动力学预测能力都不提供,但它降低的恰恰是能力矩阵「真实世界」那一列最贵的东西——把模型接到真机上的成本。

争议 · 推理链有三处可能断:标准之争不由技术优劣决定,实验室仪器的动作空间与接触丰富的操作任务并不重合,而且接线便宜不等于数据变好——世界模型缺的还有数据的多样性与覆盖面。

引用与链接
正文引用
模型与RSI·证据库:「物理版 MCP:Model Hardware Standard」(有论证,无实验;来源:官方口径、媒体;2026 年 8 月收录)。https://rsi.zongxin.tech/evidence#crossing-mhs
参考文献 · GB/T 7714
模型与RSI. 物理版 MCP:Model Hardware Standard——证据库[EB/OL]. (2026-08)[{引用日期}]. https://rsi.zongxin.tech/evidence#crossing-mhs.
稳定链接
https://rsi.zongxin.tech/evidence#crossing-mhs

筛选条件写进链接,可以直接转发;每条证据有稳定链接和引用格式。下载 CSV / JSON,订阅 RSS;结论见判断台账。