归档说明：本文由旧站 Product Lens 的自动流程生成并迁入，保留历史原文，文中的论文判断和产品推断未逐条复核。
Product Lens Daily
01
可操作的世界表征
Actionable World Representation
Kunqi Xu, Jitao Li, Jianglong Ye, Tianshu Tang
cs.AI · 2605.18743
产品视角
这篇论文提出了一种以物体为基本原语构建物理世界模型的新范式，旨在让AI不仅理解世界，还能基于理解采取行动。对于产品经理而言，这直接指向了下一代机器人操作系统和数字孪生平台，例如仓库中的自主拣选机器人或工厂的柔性生产线，它们需要实时感知并操作物体。当前市场缺乏能够将感知、推理和物理交互无缝集成的轻量级模型，该研究填补了这一空白，使机器人能够从“看见”进化到“做到”。
核心洞察 将物理世界建模为可操作的物体集合，是连接AI感知与物理行动的关键桥梁。
02
ESI-Bench：迈向闭环感知-行动的具身空间智能
ESI-Bench: Towards Embodied Spatial Intelligence that Closes the Perception-Action Loop
Yining Hong, Jiageng Liu, Han Yin, Manling Li
cs.CV · 2605.18746
产品视角
该基准测试专注于评估智能体通过主动探索来理解空间结构、遮挡关系和物体功能的能力。这直接赋能的产品是家庭服务机器人和自动驾驶汽车，例如机器人需要主动打开柜门寻找隐藏物品，或自动驾驶汽车需要预测被遮挡的行人。当前AI在被动感知上表现良好，但在主动探索和推理“不可见”信息方面存在巨大市场空白，此研究为开发更鲁棒的具身智能系统提供了关键的测试和训练框架。
核心洞察 真正的空间智能源于主动感知-行动循环，而非被动处理视觉输入。
03
作为智能体框架的代码
Code as Agent Harness
Xuying Ning, Katherine Tieu, Dongqi Fu, Tianxin Wei
cs.CL · 2605.18747
产品视角
本文提出将代码作为智能体推理、行动和环境建模的核心“基板”，而非仅仅作为输出。这直接催生了新一代的AI编程助手和自动化软件工程工具，例如一个AI智能体可以通过编写和执Python代码来操作Excel、调用API、甚至自动修复GitHub Issue。当前市场缺乏一个标准化框架让LLM安全、可验证地通过代码与环境交互，该研究填补了这一空白，使得构建复杂、多步骤的AI工作流成为可能。
核心洞察 代码不仅是LLM的输出目标，更是其与环境交互、执行复杂推理的核心工具。
04
EnvFactory：通过可执行环境合成与鲁棒强化学习扩展工具使用智能体
EnvFactory: Scaling Tool-Use Agents via Executable Environments Synthesis and Robust RL
Minrui Xu, Zilin Wang, Mengyi DENG, Zhiwei Li
cs.CL · 2605.18703
产品视角
该论文解决了训练AI智能体使用工具（如日历、邮件、数据库）时缺乏真实、可扩展训练环境的瓶颈。产品上，这可以用于构建一个通用的“AI员工”，它能自动学习使用公司内部的各种SaaS工具完成报销、排期等任务。当前企业AI智能体开发受限于昂贵的真实API调用和不可靠的模拟器，EnvFactory通过合成可执行环境并应用强化学习，大幅降低了训练成本和风险，加速了AI工具智能体的落地。
核心洞察 通过合成可执行环境进行强化学习，是规模化训练可靠工具使用智能体的有效路径。
05
通过LLM引导的模型补丁实现大规模再优化民主化
Democratizing Large-Scale Re-Optimization with LLM-Guided Model Patches
Tinghan Ye, Arnaud Deza, Ved Mohan, El Mehdi Er Raqabi
cs.AI · 2605.18692
产品视角
本文让非技术用户（如供应链经理、物流调度员）能够通过自然语言指导AI修改和优化复杂的工业级优化模型。例如，当出现突发路况时，调度员只需说“优先配送易腐货物”，AI就能自动调整运筹模型。当前优化模型的重配置高度依赖运筹学专家，成本高、响应慢。该研究将这一能力“民主化”，使一线业务人员能快速响应变化，潜在市场巨大，适用于智慧物流、智能制造等场景。
核心洞察 利用LLM将运筹优化模型的修改权从专家手中解放，赋能一线业务人员即时决策。