arXiv AI 前沿日报｜8 月 6 日：并行算力、物理闭环与回合级后见

截至北京时间 2026 年 8 月 6 日 08:30，arXiv 可检索的最新 AI 批次在列表页标为 8 月 5 日；本期三篇论文的 v1 都在 8 月 5 日凌晨提交（原始记录为 8 月 4 日 UTC）。三篇均有可打开的 X 直接讨论，但互动仍处于 0 到 72 浏览的早期阶段；本轮未检索到对应 Reddit 或 Hacker News 直接帖，不跨平台合并数字。1

ParVL 不复制整套模型，而是复用 InternVL3.5 的视觉与语言 backbone，在每层用分支专属 KV prefix 区分多个视觉分支和语言分支，再用 token-wise MLP 聚合。视觉结果会投影到各语言分支并再次融合，因此视觉计算量与语言计算量可以分别配置。2

在同一训练配方下，1B 模型九项 benchmark 平均分从 49.6 提到 50.5（4:4 分支）；2B 从 54.4 到 54.7，8B 从 62.5 到 63.0。代价并非零：1B 4:4、batch 1 的推理延迟为 1.04×，显存为 1.23×。不同任务的最优配比也不同，General 最好是 2:2，Math 是 4:4，OCR 是 2:4。2

论文只验证 InternVL3.5 的 1B、2B、8B，并只做 SFT；训练数据取 1/20 子集，每种配置只跑一次。它证明并行分支能分配计算，却还没有证明这套收益能跨 backbone、预训练阶段或真实部署稳定复现。2

作者与机构：Yang Yang（澳大利亚国立大学、上海人工智能实验室），Qinyu Zhao（澳大利亚国立大学），Mouxiang Chen（浙江大学），Xiaohui Li（上海交通大学），Lixin Gu、Hongjie Zhang、Wenwei Zhang（上海人工智能实验室），Wenhai Wang（南京大学）。3

社区信号来自第三方法语解读线程：@clxymox 主帖页面显示 0 赞、1 回复、32 浏览，后续 5 帖继续解释 prefix、分支配置与指标；@CxCPhilly 的条目页显示 14 浏览。它是本期相对完整的讨论，但绝对互动仍弱。45

ETA（Embodied Task Agent）把数字 Agent 的循环搬进机器人：Planner 每次只能提出一个结构化 Tool 调用，Interface 校验权限、前置条件与来源，再执行一个改变世界的 AtomAction。World 随后返回收据和新观测，Planner 才能决定下一步。它把 observation-to-action 的直达路径改成可追踪、可中止的物理闭环。6

OpenETA for Codex 在 130 个 LIBERO 任务上用 GPT-5.6 Sol 得到 Pass@5 117/130（90.0%）；Terra 为 83/130，Luna 为 62/130。完整配置用 Luna 跑 40 个任务、每项 10 个 seed，只成功 56/400（14.0%）；344 次失败里 215 次由 episode timeout 主导。两组设置的 Planner、Tool 配置和统计口径不同，不能把 14% 与 90% 当作同一条提升曲线。6

论文没有给真实机器人审计成功率，只展示 UR5e-Robotiq 的接口级集成和开发录像。长时程子目标、预算管理、放置关系、释放时机和附着稳定性仍是主要故障点；5 类自演化经验更新也没有一类通过全部晋升门槛。6

作者与机构：Yitong Chen、Sixian Li、Yubang Wang（上海创智学院、复旦大学）；Zezheng Huai、Hechang Chen（上海创智学院、吉林大学）；Haozhe Zhang（上海创智学院、浙江大学）；Yifei Zhang（上海创智学院、南京大学）；Jingjing Gong（上海创智学院）；Yu-Gang Jiang（复旦大学）；Xipeng Qiu（上海创智学院、复旦大学）。6

通讯作者 Xipeng Qiu 的原帖页面显示 0 赞、0 转发、0 回复、72 浏览，是三篇中单帖浏览最高的直接信号，但仍只能标为早期弱信号。7

TurnSight 用模型自己已经执行过的工具结果构造 hindsight，不依赖参考轨迹。它在每个回合汇总 token 级后见差异，让 1、2、3 步 lookahead 教师先投票决定方向，再选同向最强信号；归一化后只调节 RL advantage 的幅度，不改变原来的优化方向。8

Qwen3-4B 在 FTRL、BFCL、ToolHop 的平均分为 37.51，此前最强基线 MatchTIR 为 34.76；Qwen3-8B 为 42.02，对照为 39.03。8B 消融中，完整方法 46.92；去掉回合级聚合降到 43.23，去掉组归一化为 43.65。8

后见窗口越长并不总是越好：更远的交互会引入与当前决策无关的信息，多教师方向也可能冲突。训练还依赖可执行工具环境；论文没有给出额外教师计算成本或真实部署结果。8

作者与机构：Changle Qu、Sunhao Dai、Yuqi Zhou、Jun Xu（中国人民大学高瓴人工智能学院）；Hengyi Cai、Xinran Chen、Simon（百度）。9

社区信号是一条第三方摘要帖，页面显示 0 赞、0 转发、0 回复、31 浏览，没有展开技术讨论，因此三篇中信号最弱。10

三篇论文改的是三个不同层级：ParVL 分配模型内计算，OpenETA 约束模型与物理世界之间的执行权，TurnSight 把训练信号落到单个工具回合。分数提升可以继续追，眼下更该先核对各自增加了多少推理、交互与训练成本。