智元 LIFE 让机器人记住一整天，回答问题只要 80 秒而不是 9 分钟

智元发布了终身具身智能框架 LIFE，目标是让机器人在任务之间也持续观察和记忆，并开源了其中负责“挑什么值得记”的模块 RoboBeats。它有 0.8B、2B 和 4B 三种规模，是基于 Qwen3.5 的 LoRA 适配器，每秒读一帧画面，判断某个条件是否成立（比如“电梯门开了吗？”）或者有没有新事件发生，只有被标记的时刻才写进记忆。国内媒体 11 月 11 日报道了这次发布，技术报告 10 月 30 日已上传 arXiv。

最能说明问题的是报告里的真机实验，它比的主要是成本，而不是聪明程度。在回答模型相同的情况下，LIFE 就一天办公室生活的提问拿到 30 分里的 29.5 分；拿到同一份记忆的通用编程智能体得了 28.5 分，但每题要 554.7 秒，LIFE 只要 80.6 秒，输入 token 是 306 万对 17.28 万。机器人要什么都记，前提是有一个便宜的部件替它决定记什么，这个部件就是 RoboBeats。

用一天的录像重建办公室记忆

实验用的是一台 A3 Ultra 机器人前置摄像头从 10 月 21 日 21:00 到 22 日 21:00 录下的画面，覆盖工位、会议室和茶水间。门控模块和预筛选一共挑出 256 个时间窗交给更大的模型描述，最终记忆保留 1296 张关键帧。六道题包括会后桌上的杯子是谁的、外套最后出现在哪、午休几点结束，每题问三次。只拿到原始录像、没有记忆的编程智能体得了 24 分，每题用时 961.5 秒。

作者自己称这是“规模有限的案例研究”，记忆是事后用录像离线构建的，不是机器人在现场实时生成的。

同样的写入预算，门控比均匀采样多答对 14 个百分点

在基准测试上，RoboBeats 比它的底座模型强得多。在 StreamingBench 主动输出任务里，RoboBeats-4B 在正确时刻前后两秒内触发的比例是 64.0%，底座 Qwen3.5-4B 只有 21.2%。报告列出的 Claude Fable 5 为 71.6%、Gemini 3.7 Flash 为 80.0%，用的是这些模型各自公布的测试方式。在智元同时发布的 SSS-Bench（171 段视频、618 道题）上，用 RoboBeats-2B 挑选的记忆答对 60.5%，按同样帧数均匀采样只有 46.5%。

RoboBeats 的训练数据里有 Charades-STA，而它也是评测基准之一。悬而未决的问题是：一个在短视频片段上调出来的门控，到了没见过的工厂或家里，还能不能挑对时刻？权重已经公开、代码采用 Apache 2.0 协议，有机器人的人现在都能自己试。