编码 agent 下一个战场：这篇新论文让它走进物理世界

编码 agent 的下一站可能是物理世界。Hugging Face 今日榜上的一篇论文（91 个赞）给出了系统性方案：Hexa 团队（hexafuture.ai）提出"物理编码"（Physical Coding）框架，并构建了能在真实机器人上自主干活、还能自我进化的编码 agent HexaAnything。

思路：把世界写成代码

端到端的 VLA/世界模型路线有个结构性缺陷：布局或视角一变就容易失败，而且任务状态无法检查。这篇论文的反向思路是把两件事都变成代码——Code as World：把世界状态表示成可执行的代码；Code as Policy：把规划、验证与恢复也写成代码。编码 agent 调用感知、规划和控制工具（包括 VLA 策略），并依据独立验证器的反馈在环内做决策——每一步都可检查、可回退。

数字说话

• RoboCasa365：固定 XR-1 动作模型，整体成功率从 56.6% 提升到 61.1%；
• RoboDojo：仅靠工具代码迭代，三个任务的成功率从 0%/40%/0% 拉到 80%/100%/100%；
• 由 Harness 返回轨迹训练的 HexaModel v0.1，在所有数据划分上超过基座模型；
• 在 PhyBench 和真实双臂 AgileX 机器人上，自主完成了物理实验和多数桌面任务。

最值得注意的是 RoboDojo 那组从零到满的跃迁：不需要重训模型，靠 agent 用代码迭代工具就补齐了能力缺口——这正是"编码 agent 方法论"移植到具身领域的价值证明。

冷静看

论文（HF 编号 2609.35432，共同一作 Hongcheng Gao 与 Jingjing Zhou）目前未提及代码或模型开源，HexaModel v0.1 也还是内部产物，可复现性要打个问号；91 个赞的热度在当日榜排第四，属于"值得关注"而非"已验证爆点"。但它和同榜的代码 agent RL 训练工作（Groupwise Agentic Grading，85 赞）一起，指向同一个趋势：agent 的训练与评测正在从数字世界向物理世界延伸。对做 agent 工程的人来说，"Code as World / Code as Policy"这组抽象值得记下来——它可能就是具身 agent 时代的"prompt engineering"。