AI技术周报：世界模型自适应、超导体AI发现、仿真新范式

近期AI技术领域迎来多项重大进展：LeCun团队实现世界模型在部署中的持续学习，阿里达摩院AI智能体在28小时内发现6.8万种超导体，英伟达与李飞飞团队提出“Real2Sim”新范式——仅需一段真实视频即可自动生成机器人仿真环境。学术方面，人大高瓴提出强化学习微调新算法，上海交大实现VLA数据筛选加速313倍；产品方面，智谱ZCode编程工具正式上线，Google SynthID水印认证已覆盖超千亿图片。以下按类别进行梳理。

机构：纽约大学/AMI研究所（杨立昆联合创办） | 标签：【具身智能】【世界模型】【持续学习】

纽约大学联合LeCun创办的AMI研究所发布AdaJEPA（自适应潜在世界模型），使JEPA系列世界模型在部署过程中基于真实交互持续更新参数、实时校准预测。传统世界模型训练完成后参数冻结，面对环境变化（如物体位置偏移、光照变化）表现大幅下降。AdaJEPA通过测试时自适应（test-time adaptation）在MPC闭环中持续优化，在PushObj等任务中规划成功率近乎翻倍，每次重新规划仅增加0.01-0.03秒延迟。

核心突破：首次实现世界模型的部署中自适应，无需重新训练即可应对环境变化。

论文：AdaJEPA: An Adaptive Latent World Model 链接：https://arxiv.org/abs/2606.32026[1]

机构：阿里达摩院/中国人民大学/中国科学院大学 | 标签：【AI for Science】【智能体】【材料科学】

阿里达摩院联合中国人民大学高瓴人工智能学院、中国科学院大学发布首个专攻超导材料发现的AI智能体ElementsClaw（元素虾）。该框架融合大型原子模型（LAM）与大型语言模型（LLM），仅用28个GPU小时即从240万种稳定晶体结构中预测出6.8万种可能的超导材料，命中率达40%。经实验合成验证，4种全新超导体被成功制备，临界温度最高达6.5K。

达摩院科学智能负责人荣钰表示，这是AI智能体发现并获验证的第一批超导材料，初步验证了AI智能体框架在材料发现领域的大规模潜力。

论文：Agentic Fusion of Large Atomic and Language Models 链接：https://arxiv.org/abs/2604.23758[2] 报道：https://www.ithome.com/0/972/089.htm[3]

机构：地瓜机器人（D-Robotics） | 标签：【具身智能】【世界模型】【仿真】

地瓜机器人正式发布Uranus世界模型，但给出了差异化定位——不做机器人“大脑”，而是作为机器人开发基础设施，提供两项核心能力：benchmark评测和sim-to-real仿真。Uranus具备帧级闭环和跨具身零样本泛化能力，训练时仅见过2秒片段，推理时却能稳定运行60秒。

值得注意的是，团队称项目三分之二的精力投入在基础设施搭建和数据清洗等“脏活”，映射出当前具身智能行业的核心痛点——真正稀缺的不是算法，而是工程化能力。

报道：https://www.aitntnews.com/newDetail.html?newId=26819[4]

机构：NVIDIA GEAR Lab / Stanford University | 标签：【具身智能】【Sim2Real】【仿真生成】

英伟达GEAR Lab联合李飞飞团队等发布SimFoundry系统，只需一段真实场景视频就能自动生成可交互的机器人仿真环境。系统通过提取、生成、增强三阶段流水线，在保持物体功能不变的前提下扩展出大量新物体、新场景和新任务，为机器人策略学习提供近乎无限的训练数据，且实现零样本部署到真实机器人。

传统Sim2Real成本高昂，SimFoundry开创性地转向Real2Sim路线——先真实采集、再自动转为仿真，低成本高产出，为具身智能大规模训练开辟了新路径。

论文：SimFoundry: Modular and Automated Scene Generation 链接：https://arxiv.org/abs/2606.28276[5] 项目：https://research.nvidia.com/labs/gear/simfoundry/[6]

机构：中国人民大学高瓴人工智能学院 | 标签：【强化学习】【大模型】【微调】

中国人民大学高瓴团队提出DelTA算法，通过求解优化问题为每个token计算最优权重，使强化学习微调更加稳定。传统RL微调对所有token一视同仁，导致关键token权重被稀释、训练震荡。DelTA通过数学优化动态分配token级权重，在数学推理、代码生成等任务上全面超越现有SOTA，提升幅度最高达3.26个点。

该方法计算开销小、即插即用，有望成为RL微调的标准组件。

机构：上海交通大学 | 标签：【具身智能】【VLA模型】【数据筛选】

上海交通大学等团队提出ATHENA数据筛选框架，首次将影响函数（influence function）扩展到十亿参数级别的VLA（Vision-Language-Action）模型，量化每条机器人示教数据对任务成功率的影响。计算耗时从8054.6 GPU小时降至25.7 GPU小时（加速313倍），仅用66.7%的精选训练数据即在真实机器人任务上达到68%成功率，超过全量训练的60%。

这意味着机器人训练不必“多多益善”，数据质量比数量更重要——ATHENA做到了精准识别哪些数据真正有用。

机构：智谱AI | 标签：【编程工具】【Agent】【应用产品】

智谱AI正式发布编程工具ZCode，作为GLM 5.2官方开发环境。上线9天内迭代7个版本，迭代速度惊人的背后是ZCode的基础架构完善度。新增功能包括：Goals长程任务规划、移动端Remote远程操控、飞书Bot远程控制、子智能体协作、会话分支Fork等。BYOK（自带密钥）支持用户配置自有API Key，订阅用户享1.5倍配额。

ZCode的快速迭代和长程任务能力，标志着国产AI编程工具从“代码补全”向“项目管理型AI”跃迁。

报道：https://www.aitntnews.com/newDetail.html?newId=26824[7]

机构：Google DeepMind | 标签：【AI安全】【内容认证】【行业标准】

Google旗下的AI水印技术SynthID已达到里程碑式规模：已为超过1000亿张图片/视频和6万小时音频内容添加不可见水印，验证功能被使用超过5000万次。Chrome浏览器新增右键一键检测AI图片功能。更关键的是，OpenAI、NVIDIA、Apple等竞争对手也开始采用该技术标准，SynthID正从“独门技术”演变为行业事实标准。

在AI生成内容泛滥的时代，可验证的内容溯源基础设施比以往任何时候都重要。

报道：https://www.aitntnews.com/newDetail.html?newId=26829[8]

本周AI技术前沿呈现三大趋势：世界模型走向自适应与工程化（AdaJEPA持续学习、Uranus定位裁判、SimFoundry Real2Sim）、AI for Science加速落地（ElementsClaw发现超导体）、基础设施层竞争加剧（ZCode编程工具、SynthID行业标准、ATHENA数据筛选）。

[1] https://arxiv.org/abs/2606.32026

[2] https://arxiv.org/abs/2604.23758

[3] https://www.ithome.com/0/972/089.htm

[4] https://www.aitntnews.com/newDetail.html?newId=26819

[5] https://arxiv.org/abs/2606.28276

[6] https://research.nvidia.com/labs/gear/simfoundry/

[7] https://www.aitntnews.com/newDetail.html?newId=26824

[8] https://www.aitntnews.com/newDetail.html?newId=26829

[9] https://arxiv.org/abs/2606.32026

[10] https://arxiv.org/abs/2604.23758

[11] https://www.ithome.com/0/972/089.htm

[12] https://www.aitntnews.com/newDetail.html?newId=26819

[13] https://arxiv.org/abs/2606.28276

[14] https://research.nvidia.com/labs/gear/simfoundry/

[15] https://www.aitntnews.com/newDetail.html?newId=26824

[16] https://www.aitntnews.com/newDetail.html?newId=26829

[17] https://www.aitntnews.com/ainews/zh-CN

[18] https://blog.csdn.net/techforward/article/details/162557338