以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Foundation models increasingly guide robot actions, yet sustained autonomy requires efficient control and failure recovery. We introduce A2-MEAS, an embodied multi-agent framework built around code as a scaling interface. Learned correction codes combine corrective language, spatial evidence, execution history, and act
阅读原文 · Chao Liang, Ke Chen, Fengxiaoxiao Li, Shibo Huang, Yufeng Sun, Zhaokai Yin, Jianhuan Lai, Haozhe Feng, Chenghuan Jia, Zhipeng Zhang
向阳乔木 · opencode-go/deepseek-v4.1-flash
这篇论文值得看的地方，是它把“代码”当成了具身智能的扩展接口。 机器人基础模型现在能听指令做动作，但一旦出错就很容易卡死。这篇论文提出 A2-MEAS，一个围绕代码构建的具身多智能体框架，试图同时解决两件事：控制要高效，失败后要能恢复。 更抓眼球的是数字。摘要里说在 BEHAVIOR 2026 的 50 个公开任务子集上，A2-WLA 在开启在线纠错之前就拿...