2026-08-17 - 2026-08-24

本周精彩研究

  • 训练环境正在成为可生成的软件：SPADE与AgentMercury都将世界构建纳入学习循环，而非视为固定的上游资产。
  • 长程游戏智能体需要能让后果累积的评测。FM-Bench把合同期限、预算、对手和延迟收益放进同一个持续运行的足球经理世界。
  • 受物理约束的视觉模拟更便于使用了。LaGSplat可让用户向从稀疏单目视频重建的物体施加未见过的力，并实时渲染响应。
  • 竞争性控制需要经过设计的动作接口。RoboStriker先提供学习得到的动作流形，再开始拳击自博弈。
  • 社区关注也聚集在环境构建这条主线上：检查时，SPADE和FM-Bench的Hugging Face页面分别有50和16个赞，两个关联仓库本周都有活动。

推荐阅读

文章 推荐度 重点
SPADE: Self-Play in Adaptive Synthetic Executable Environments SSS 一个LLM编写带状态的可执行环境，另一个LLM在其中学习解决任务的自博弈循环。
FM-Bench: A Benchmark for Long-Horizon Management with Competing Agents SSS 一个覆盖20年足球经理生涯的基准，包含共享世界竞争和340至400个决策点。
LaGSplat: Inferring Physics-Governed Interactive Simulation from Monocular Video Using Latent Lagrangian Gaussian Splatting SS 从一个或少量单目视频中学习可交互、受外力条件控制的模拟。
RoboStriker: Latent-Space Strategic Games for Autonomous Humanoid Boxing SS 通过学习得到的拳击动作潜空间，让战略自博弈在物理上可行。
AgentMercury: Your Agent Can Synthesize Verifiable Environments for Business Scenarios at scale A 构建由实体、服务、状态和不变量组成的持续可执行世界，让任务从中自然出现。

文章小记

1. SPADE: Self-Play in Adaptive Synthetic Executable Environments

  • 推荐度： SSS（必读）
  • 链接： arXiv / Hugging Face / GitHub / 项目页面
  • 念力宅的小记： SPADE让一个LLM编写完整的Gym式环境，包括状态转移、奖励和验证代码，另一个LLM则在其中学习。环境设计智能体通过有无特权提示时的奖励差来估计遗憾值，据此持续生成处于学习者能力边缘、但仍可完成的任务。这与游戏智能体团队直接相关，因为团队拥有的设计空间通常远多于已标注轨迹。只要生成的世界具备严格验证器和处理错误机制的审查路径，持续运行的环境生成器就能将规则、内容数据和遥测信息转化为课程。作者报告称，它在保留的推理、工具使用和游戏任务上优于固定环境训练。检查时，Hugging Face页面有50个赞；仓库有58个星标、1个开放议题，并在8月22日有推送。

2. FM-Bench: A Benchmark for Long-Horizon Management with Competing Agents

  • 推荐度： SSS（必读）
  • 链接： arXiv / Hugging Face / GitHub
  • 念力宅的小记： FM-Bench将长程行为落到具体任务上。智能体通过26种工具，在约340至400个决策节点中经营一支足球俱乐部20个游戏年；转会、合同、设施、青训、阵容、竞争球队和董事会压力都在确定性模拟器中持续累积。其Arena赛道将智能体放进同一世界，使市场互动和对手建模也成为任务的一部分。作者发现，高分模型会更早续约、在接近结束时避免回收期很长的投资，并让现金持续投入使用。对游戏AI而言，这提供了一个实用模板：评估最终状态，维持持久经济，让对手对行动作出反应。检查时，Hugging Face页面有16个赞；仓库有16个星标，并在8月21日有推送。

3. LaGSplat: Inferring Physics-Governed Interactive Simulation from Monocular Video Using Latent Lagrangian Gaussian Splatting

  • 推荐度： SS（强烈推荐）
  • 链接： arXiv / 项目页面与交互演示
  • 念力宅的小记： LaGSplat从一个或少量单目视频中重建物体，之后允许用户对其施加训练画面中从未出现的力。其低维潜状态既是学习得到的耗散拉格朗日量的广义坐标，也是Gaussian Splatting解码器的条件变量。这种耦合让交互工具能够将图像空间中的力映射到模拟动力学中。论文有意把动力学限制在少量坐标上，因此以较广泛物理覆盖为代价，换取面对陌生外力时有界的响应。这对游戏中的资产制作和数据生成颇有吸引力：快速采集真实道具，暴露紧凑控制界面，再让美术或智能体探索合理反应。检查时，项目页面提供交互演示。

4. RoboStriker: Latent-Space Strategic Games for Autonomous Humanoid Boxing

  • 推荐度： SS（强烈推荐）
  • 链接： arXiv
  • 念力宅的小记： 在原始电机动作空间中进行自博弈，往往会花费过多预算来学习如何不摔倒。RoboStriker先将预定义拳击动作蒸馏到有边界的潜流形中，再在该动作空间上进行双人自博弈。这样的分工让竞争策略选择战术，动作解码器处理底层执行。作者报告称，相比直接在原始动作空间探索，该方法取得了更好的胜率和击打效率，并在真实人形机器人上验证了策略。同样的设计可用于游戏角色控制。高层战斗规划器需要一个内建稳定接触、恢复动作和移动能力的动作词表；否则策略学习会被动画失败掩盖。

5. AgentMercury: Your Agent Can Synthesize Verifiable Environments for Business Scenarios at scale

  • 推荐度： A（推荐）
  • 链接： arXiv / Hugging Face
  • 念力宅的小记： AgentMercury从一个持续存在的世界开始，而不是从某个任务开始。它生成实体、服务、工具、状态和可执行的跨服务不变量，随后让任务从这一基底中出现。作者构建了覆盖14个行业、50个国家的4,783个环境，并报告在这些环境上训练的策略同时改进了企业和分布外评测；使用环境构建轨迹微调后，保留场景的环境创作成功率也从3.3%升至83.3%。游戏团队可将这种世界优先的思路用于任务QA和智能体训练。先生成城镇、库存图、经济和规则检查，再采样必须随世界变化仍然有效的任务。检查时，Hugging Face页面有5个赞。检查的arXiv页面未链接代码仓库。

参考链接

  • SPADE arXiv: https://arxiv.org/abs/2608.19197
  • SPADE Hugging Face页面: https://huggingface.co/papers/2608.19197
  • SPADE项目页面: https://spade-rl.github.io
  • SPADE GitHub: https://github.com/spade-rl/spade
  • FM-Bench arXiv: https://arxiv.org/abs/2608.18423
  • FM-Bench Hugging Face页面: https://huggingface.co/papers/2608.18423
  • FM-Bench GitHub: https://github.com/Analogy-AI/fm-bench
  • LaGSplat arXiv: https://arxiv.org/abs/2608.16324
  • LaGSplat项目页面与交互演示: https://louenpottier.github.io/lagsplat.html
  • RoboStriker arXiv: https://arxiv.org/abs/2608.16195
  • AgentMercury arXiv: https://arxiv.org/abs/2608.20634
  • AgentMercury Hugging Face页面: https://huggingface.co/papers/2608.20634