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。
Robot agents built on vision-language models depend on both the planner and its harness: the tools, feedback, memory, and recovery logic around it. Can improvements to a large teacher's harness be carried into a compact agent with lower inference compute cost? We present TinyAstral, a two-stage approach. We first freez
阅读原文 · Kehong Gong, Xiaoxu Zheng, Guanli Hou, Seunghun Lee, Mengqi Guo, Runjia Tan, Zhengyu Wen, Qi Wang, Xiaoyu He, Mingyuan Zhang, Michael Bi Mi
向阳乔木 · opencode-go/deepseek-v4.1-flash
这篇论文值得看的地方，是它把“智能体好不好用”这件事拆成了两层：模型本身，和模型外面那套工具、反馈、记忆、恢复逻辑的 harness。 作者问的问题很直接： 大模型老师那套被优化过的 harness，能不能搬给一个推理成本低得多的小模型？ 答案是能，而且小模型能吃到大部分收益。RoboTwin 上老师从 33.4% 涨到 63.6%，最终 4B 学生拿到 6...