每日研究简报 2026-11-11

涵盖近 3 天（11 月 9 日–11 月 11 日）AI 领域最新动态，分 arXiv 论文、GitHub 开源、行业资讯三栏，每日更新。

主编视角

本周的两条主线同时收口：一是「技能层」彻底接管 agent 工程化，Google、微软、HeyGen 相继把「让 agent 干具体专业活」做成开源仓库，开发者不再靠自己堆 prompt；二是「物理 AI」从 demo 走向产线——Gemini Robotics 2.5 在奔驰产线跑出 96% 成功率、NVIDIA GR00T 2 用 5 次示教把零样本 40% 拉到 95%，说明 VLA / 世界动作模型正跨过可用的临界线。值得警惕的是模型 commoditization 速度：Gemini 4 Carbon 以「同等任务成本 2 倍以上更低」定位、MiniMax 直接开源 H3-Image，把「选模型」的护城河进一步削平。中小团队今年的杠杆不在押注某个大模型，而在把 agent 工作流、验证环节和物理落地这三件事搭扎实。

一、arXiv 最新 AI 论文（2026.11.09–11.11）

1. Auditable Human-Agent Teams for Autonomous X-ray Experimentation

摘要：用 coding-agent 基础设施在同步辐射 X 射线仪器上做闭环自主实验，完整记录人-智能体与智能体-智能体对话以审计决策来源。三组实验中 61–67% 的消息涉及解释或判断，错误修正中 59–68% 涉及多方参与，方法/科学贡献占比从首组的 46% 升到后续 56–61%。
领域：多智能体系统 / 自主科学实验 / 可审计 AI
推荐理由：把「agent 在真实物理仪器上长时间自主运行」从概念落成可审计系统，量化了认知劳动分工，对实验室自动化与 agent harness 设计是直接参考，而非又一篇仿真 benchmark。
链接：https://arxiv.org/abs/2611.12933

2. EarthRecord: From Pixels to Land Change with Multimodal Agents over Four Decades of Satellite Imagery

摘要：基于 56 个站点的原始多传感器卫星档案（40 年 Landsat/MODIS/VIIRS/Sentinel-2，云掩膜与跨传感器对齐留给 agent 自己做），提出 238 道地表变化问题、10 类分析任务。12 个多模态 agent 评测显示主流 agent 能端到端完成多数分析，但篡改一颗卫星数据后约半数「正确」答案会跟着篡改走。
领域：多模态 agent / 地球观测 / 基准评测
推荐理由：直击「agent 能否从原始像素而非预处理输入做可靠分析」的空白，两个对照实验（closed book / 改传感器）设计干净，量化了 agent 目前「靠先验而非真实变化」的脆弱性，诊断价值高于堆分 benchmark。
链接：https://arxiv.org/abs/2611.12934

3. How Much Skill Orchestration Can LLM Agents Compile Away? Execution-Grounded Specialization for Token-Efficient Skill Use

摘要：提出执行接地（execution-grounded）的技能专精方法，让 LLM agent 把多个技能编排「编译掉」成更省 token 的专用实现；入选 NeurIPS 2026 AgenticOS workshop 的 oral/spotlight。全文 35 页、20 图、16 表。
领域：软件工程 / agent 技能编排 / 推理效率
推荐理由：直接回应「技能层是不是又一层 prompt 开销」的质疑，用执行反馈而非启发式压缩技能调用，给出 token 效率实测——对正把 skills 塞满 agent 的团队是及时的方法论校准。
链接：https://arxiv.org/abs/2611.10022

4. MetaPI: Constructing Prompt Injection Benchmarks from LLM Agent Benchmark

摘要：从现有 LLM agent benchmark 自动派生提示注入（prompt injection）评测集，把「agent 是否会服从被注入指令」做成可复现 benchmark（cross-list from cs.CR）。
领域：AI 安全 / 提示注入 / agent 评测
推荐理由：agent 注入攻击评测长期缺标准化语料，MetaPI 用「从已有 benchmark 派生」思路低成本造出对抗集，让防御方有了统一靶场——安全基线从拍脑袋变可度量。
链接：https://arxiv.org/abs/2611.10026

5. MMGraph-Agent: Agentic Multimodal RAG via Cache-Inspired Multimodal Knowledge HyperGraphs

摘要：统一多模态 RAG 框架，用「缓存启发」的多模态知识超图做零 API 成本的轻量超图构建，配合基于动态记忆的检索缓解长上下文问题；离线/在线/联合检索均一致提升，代码已开源。
领域：多模态 RAG / 知识图谱 / 检索增强
推荐理由：把多模态知识组织与检索增强统一到一个零 API 成本的超图结构里，正面解决「构建贵 + 上下文爆」两难，且开源，工程可直接拿来改。
链接：https://arxiv.org/abs/2611.10657

6. Video-Coder: Reinforcing Agentic Coding for Video Generation

摘要：首个「代码驱动」视频生成 agent：自主写并执行代码构建动态 3D 场景（Draft Video）作为下游生成器的结构与运动信号；SFT + harness 原生 agentic RL（执行奖励 + 视频奖励双反馈，退火策略逐步减小执行奖励）。在 PhyGenBench 提升 Minimax-H3 约 7 分、VBench-2.0 提升 24 分；数据/模型/代码全开源。
领域：视频生成 / agentic coding / 强化学习
推荐理由：把「让 agent 写代码搭 3D 场景再喂给视频模型」做成开源全栈（含 Harness 环境与数据集），视频生成从纯模型竞赛转向「代码+场景」工具链，下游可复现性强。
链接：https://arxiv.org/abs/2611.09894

7. AgiWorld: An Agentic Video World Model for Building Persistent Worlds

摘要：agentic 视频世界模型：从单张图片与自由指令探索并构建「持久世界」，高层由 AgiWorld-Agent 在世界状态里规划，底层 AgiWorld-WM 逐块生成视频并把几何存入空间记忆形成闭环；提出遮挡感知历史选择与可靠性记忆维护应对长程误差。在 world revisiting / exploration 基准 SOTA，能按自由指令构建分钟级持久世界。
领域：视频世界模型 / 具身智能 / 空间记忆
推荐理由：明确论证「持久性来自 agent 与视频模型的闭环而非模型本身」，恰好解释大厂为何同时自研 Harness + 视觉模型联合调优，对做长时序一致性的团队是清晰的方法论参照。
链接：https://arxiv.org/abs/2611.02341

8. VideoEditor-MoE: Scaling Complex Video Editing with Mixture of Experts

摘要：首个开源的视频编辑混合专家框架；除稀疏 MLP-MoE 外，MoE-Attention 用路由 KV 专家扩展注意力容量同时保持全局交互；从 5B 初始化扩展到 14B/56B，每 token 激活约 8B。与 Explicit-MoE、MLP-MoE 基线对比，并发现解耦权重衰减能稳定专家缩放。
领域：视频编辑 / 混合专家 / 高效生成
推荐理由：用稀疏激活把复杂多指令视频编辑的计算代价压下来（56B 模型每 token 仅激活 8B）且完全开源，给长片多镜头编辑的「跨场景/跨主体连贯」难题一个可落地的工程解。
链接：https://arxiv.org/abs/2611.03043

二、GitHub 热门 AI 开源项目（2026.11.09–11.11）

1. google/skills

简介：Google 官方推出的 agent skills 仓库，面向 Google Cloud / Workspace / AI 产品，MCP 原生、可跨 Claude Code、Codex 等 20+ agent harness 使用。
热度：23.9k stars（11 月新晋热门）
推荐理由：平台战争从 agent 框架转到「agent 专业能力」的信号——Google 亲自下场做技能市场，开发者无需自己堆 prompt 即可让 agent 具备云/办公产品操作力。
链接：https://github.com/google/skills

2. microsoft/VibeVoice

简介：微软开源的前沿语音 AI 系统，MIT 许可，提供语音克隆、多说话人合成、实时流式能力，对标 ElevenLabs / Play.ht 但无需 API key 与企业合同。
热度：57.0k stars（11 月爆发增长）
推荐理由：语音合成这条长期被专有 API 锁死的能力，第一次以前沿质量 + 全开源 + 本地部署的姿态释放，本地化语音 agent 的门槛被直接拉平。
链接：https://github.com/microsoft/VibeVoice

3. garrytan/gstack

简介：YC 总裁 Garry Tan 开源的 Claude Code 工程团队模板：23 个 opinionated 工具分别扮演 CEO、设计、工程经理、发布经理、文档、QA 等角色，全部 slash command + Markdown，MIT 许可。
热度：141.2k stars
推荐理由：把「一个 Claude Code 当虚拟工程团队用」做成可复制的方法论，跨 Claude Code / Codex / OpenCode / Cursor 等多 harness 安装——agent 工程化的「团队化」范式被开源社区快速采纳。
链接：https://github.com/garrytan/gstack

4. heygen-com/hyperframes

简介：HeyGen 出品，用 HTML 写、渲染成视频，专为 agent 工作流设计（agent 产出 HTML 即出片）。
热度：82.5k stars
推荐理由：视频生产从「调生成模型」降级为「写 HTML」，把 agent 最擅长的结构化文本输出直接变成视频产物，是 agent-to-video 基础设施化的代表。
链接：https://github.com/heygen-com/hyperframes

5. storytold/artcraft

简介：面向艺术家、设计师、电影人的「意图式」创作引擎（Rust），把创意意图落成可复现的制作流程。
热度：40.6k stars
推荐理由：AI 视频从「生成一段画面」走向「交付一部成片」的产业趋势中，artcraft 这类面向创作者的制作引擎补足了工程侧缺口，值得关注其工作流是否被 agent 接管。
链接：https://github.com/storytold/artcraft

6. ConardLi/garden-skills

简介：独立开发者整理的开源 skills 合集，覆盖网页设计、知识检索、图像生成等，模块化组合、无厂商锁定。
热度：14.9k stars
推荐理由：代表「公司技能框架」之外的独立答案——开发者不需要十亿预算也能攒出有用的 agent 专业能力，呼应本月 skills 层爆发的主线。
链接：https://github.com/ConardLi/garden-skills

7. yetone/magpie

简介：菜单栏工具，让不同 agent 用不同底层模型：Codex 跑 DeepSeek、Claude Code 跑 Kimi，统一切换。
热度：34.4k stars
推荐理由：模型无关（model-agnostic）正成为 agent 工具的标配能力——把「换模型不换工作流」做成一行菜单，呼应本月「别把路线图押在单一模型」的产业判断。
链接：https://github.com/yetone/magpie

8. scenario-labs/skills

简介：生产级图像/视频/音频/3D 生成 skills，通过 MCP 驱动 Blender、Maya、ZBrush、Unreal、Unity 等工业级创意工具。
热度：3.7k stars（新晋）
推荐理由：创意行业工具链正被 AI-native 重写，scenario-labs 用 skills 把 agent 接到 Maya/Unreal 等工业软件，说明「技能层」正从文本/办公蔓延到专业创意管线。
链接：https://github.com/scenario-labs/skills

三、精选 AI 行业资讯（2026.11.09–11.11）

1. 物原科技 TensorWorld 完成过亿美元融资，攻坚物理基础模型

内容：成立仅四个月的物理基础模型初创物原科技，一个月内连完成天使轮与天使+轮，累计融资过亿美元；凯辉、红杉中国、IDG、蚂蚁、美团战投等参投。公司定位「物理驱动」世界模型，让 AI 自主学习重力/摩擦/碰撞/流体等客观规律，面向具身机器人、自动驾驶、工业仿真与科学计算。
推荐理由：世界模型赛道主流是视觉驱动、追求画面逼真，物原选择「物理规律可测量、可验证推演」的差异化路线，且产业资本（蚂蚁、美团、蔚来）密集押注，是国内物理 AI 基座值得跟踪的样本。
来源：网易、中国经营报
状态：官方确认

2. Google DeepMind 发布 Gemini Robotics 2.5，奔驰产线实测 96% 成功率

内容：Google DeepMind 推出 Gemini Robotics 2.5，号称迄今最强视觉-语言-动作（VLA）机器人模型，已向机器人合作伙伴开放。在 200 多项真实任务评估（分餐、系蝴蝶结、液体移液等），部分任务成功率提升最高达 100%、执行速度最高提升 30%；与 Apptronik、梅赛德斯-奔驰合作，Apollo2 人形机器人基于该模型在奔驰产线实现 96% 成功率。
推荐理由：VLA 模型从实验室 demo 跨到真实汽车产线并用「96% 成功率」给出工程化证据，是具身智能可量产化的强信号，比单纯涨点更有说服力。
来源：财联社、新浪财经、Google DeepMind
状态：官方确认

3. Google 将 Gemini 4 Carbon 全面开放（GA），定位最强模型

内容：11 月 10 日 Google 宣布 Gemini 4 Carbon 面向开发者、企业、科研者与消费者全面可用，主打网络安全与长程 agentic 工作流。Google 称其在 CursorBench 4.0、Perplexity WANDR、Zapier AutomationBench 等真实工作流基准排第一，且单任务成本比次优外部模型低 2 倍以上；并预览 Antigravity 的 /swarm，把单 prompt 拆成可实时跟踪的多 agent 团队。
推荐理由：前沿模型开始按「风险/成本画像」分层投放（Argon 做常规、Carbon 做极限推理），并原生内建多 agent 协作，反映 labs 对「可靠且可负担」的重新定价。
来源：Google DeepMind、PoYo.ai
状态：官方确认

4. MiniMax 开源 H3-Image，4K 图像生成不到 10 秒

内容：MiniMax 发布并开放权重的 H3-Image，一个基于 H3 架构的图像生成与编辑模型，官方称可在 10 秒内产出 4K 图像。
推荐理由：图像生成权重开源进一步压低「出图」门槛，结合本月视频开源（Sand AI MAGI-2 在路上），中国团队在视觉生成开源侧的存在感持续走强。
来源：PoYo.ai
状态：官方确认

5. OpenAI 推出 Businesses in ChatGPT 与 Business Agents（beta）

内容：OpenAI 在 ChatGPT 内推出 Businesses（beta）：企业可认领品牌档案、查看聚合洞察，符合条件的美国电商与在线服务企业可上线 Business Agent，让消费者在 ChatGPT 内直接完成发现与交易。
推荐理由：ChatGPT 从「对话入口」转向「商业分发+交易执行」入口，agent 被放进消费级流量池，对品牌与电商是渠道结构的实质变化，值得关注其抽成与数据归属条款。
来源：PoYo.ai
状态：官方确认

6. NVIDIA 发布 GR00T 2 机器人世界动作模型，5 次示教即达 95%

内容：NVIDIA 在 CoRL 大会发布 GR00T 2——一类同时预测未来画面与机器人动作的「世界动作模型」，可把人类演示（或手持夹爪、穿戴手套演示）的技能迁移到从未练过的机器人上；目标机器人未见过的 50 项任务上零样本成功率 40%，补充 5 次演示、单张 RTX 5090 微调 30 分钟后提升至 95%。代码计划 12 月开放，同一模型可驱动夹爪、灵巧手与人形机器人。
推荐理由：用「世界动作模型 + 极少量示教微调」把机器人上手成本压到单卡 30 分钟，直接回应制造业最关心的「小样本迁移」痛点，是 NVIDIA 机器人栈的关键拼图。
来源：CSDN、金十数据、NVIDIA
状态：官方确认

7. geniosAI 获 1910 万美元融资，做银行可追溯 AI

内容：geniosAI 完成 1910 万美元种子 + A 轮（FactSet 领投），为银行与投资团队构建「可追溯」的 AI 财务分析——每条结论能回溯数据来源与推导链。
推荐理由：金融 AI 的合规刚需从「答得对」升级到「答得可追溯」，geniosAI 把审计链做成产品核心而非附加项，是受监管行业落地的典型解法。
来源：KeeVurds（引 Bloomberg / FactSet）
状态：官方确认

8. LG 开放 K-EXAONE 2.5 免费 API 给开发者与初创

内容：LG AI Research 向开发者与初创公司开放 K-EXAONE 2.5（7500 亿参数模型）的免费 API，用于构建与研究。
推荐理由：继韩国四家 AI 初创获英伟达投资后，LG 以免费 API 把 750 亿级模型能力向生态开放，韩国正以「国家队 + 大厂开源」组合拳补 AI 基础能力短板。
来源：KeeVurds、LG AI Research
状态：官方确认