code agent最强61.1%，VLA推理快6倍

重点关注

01 Agent 把代码和数据放进同一个沙箱，最强系统也只跑到61.1%

真实开发里，写代码和处理数据从来不是两件事——你得先在一堆文件里翻出哪个数据集有用，再写代码去分析它。CODA-BENCH把这个交织过程搬进了一个基于Kaggle生态的Linux沙箱：每个任务环境平均980个文件，agent得自己在复杂目录里探索、识别相关资源，再生成可执行的分析代码，全套1009个任务覆盖31个领域。结果是当前最强的系统成功率只有61.1%——不是代码写不对,也不是数据处理不了，而是把「数据发现」和「代码执行」这两步串起来时掉链子。这正是分开测试时看不见的盲区:单测代码能力或单测数据能力，分数都不难看，一旦放进真实的文件噪声里就露馅。需要看全文确认它的任务难度分布和评分标准，但这个「合起来测」的思路本身，比又一个排行榜更有信息量。

对从业者来说,更现实的提醒是benchmark类工作的老问题:刷榜容易,迁移到自己的工作流难——61.1%这个数字反映的是Kaggle式结构化数据场景,你自己业务里的脏数据和私有目录结构未必能套用。但如果你在做data agent或autonomous engineer方向,它至少给了一个比纯coding benchmark更接近真实的压力测试。

原文：CODA-BENCH: Can Code Agents Handle Data-Intensive Tasks?

02 机器人 推理预算能不能像资源一样按需分配？

机器人模型用显式思维链（CoT，把推理一步步写成文字）把「看到什么」接到「做什么」，但多步任务里这条链既慢又会逐步放大早期的判断误差。AVA-VLA换了个做法：让推理在内部以潜在变量的形式进行，不再生成文字，再用强化学习给这些潜在轨迹去噪、对齐到任务目标。真正有意思的是「提前退出」——模型按当前状态的置信度自适应决定推到哪一步就收手，等于把推理预算当成可调资源而非固定开销。报告的数字是LIBERO上98.3%成功率、推理比显式CoT快6倍，但更该问的是：省推理在哪些步骤上安全、什么情况下会因为退太早而崩，这需要看全文里的退出策略细节才能判断。

原文：Think Less, Act Early: Reinforced Latent Reasoning with Early Exit in Vision-Language-Action Models

03 图像生成 扩散模型的训练目标，原来漏掉了一整条轨迹

扩散模型生成图像是一步步去噪的，但训练时的目标函数只盯着每一步（或相邻两步）的局部去噪是否准确，从来不检查整条去噪路径前后是否自洽——这个结构性缺口一直被忽视。这篇ICML工作把强化学习里成熟的时序差分（TD，让相邻时刻的预测互相校准）搬过来，把去噪过程重新表述成马尔可夫奖励过程，去噪就成了RL里的策略评估问题。没想到这套跨领域借用真的奏效：作为drop-in目标加进去就能提升FID，而且采样步数越少、优势越明显，正好补在「少步快速采样质量会掉」这个实际痛点上。它对离散和连续两种扩散形式都通用，但具体能换来多少质量提升，得看你的步数预算和基线模型，论文只在标准设置下验证，落到自己场景还要实测。

原文：Temporal Difference Learning for Diffusion Models

04 训练优化 当目标函数贵到评估不起，只剩一份离线数据怎么求多目标最优？

调参、资源分配、设计空间搜索这类问题往往有两个现实约束叠在一起：要同时权衡多个目标，而且每次评估目标函数要么拿不到、要么贵到跑不起，只能靠一份固定的离线数据集。这种「离线多目标优化」的麻烦在于代理模型对没见过的设计不准（OOD问题），优化器容易被误导到Pareto前沿之外、还偏向极端值。DOMOO的思路是把「多样性」直接做进流程：用一个累积风险控制模块约束生成解别跑出数据分布太远，再用嵌套的Pareto集学习（PSL）同时学偏好和参数，去适应不同形状的Pareto前沿。它还专门设计了一个离线版的IGD指标来做最终筛选，避开了常用的hypervolume指标偏向极端解的毛病。论文称在合成与真实benchmark上收敛性和多样性的平均排名都最好，不过这是个ICML接收的方法工作，实际表现还要看你自己的数据集和目标维度。

原文：Diversity-Driven Offline Multi-Objective Optimization via Nested Pareto Set Learning