中国版Muse能管事!我把宠物保单、双11算价和周末旅行全交给了灵光2.0
中国版Muse能管事!我把宠物保单、双11算价和周末旅行全交给了灵光2.0最近两个月,Personal Agent 这个概念忽然从边缘话题变成了普通用户手机屏幕上的新图标。
搜索
最近两个月,Personal Agent 这个概念忽然从边缘话题变成了普通用户手机屏幕上的新图标。
第一视角视频越来越多,研究人员怎样把这些记录变成能够改善机器人能力的训练信息?
困扰数学界30余年的世界级难题——三维Ghys猜想迎来了破解!
具身智能不缺钱,也不缺演示,真正稀缺的是一条能复现的 Scaling 曲线。去年 11月,北美的 Generalist 发布 GEN-0,称首次在机器人身上观察到了这条曲线:预训练数据和算力越多,模型在下游任务上的表现就越稳定、可预测地提升。支撑这条曲线的,是超过 27 万小时的真实世界操作数据,和每周新增上万小时的采集速度。对绝大多数公司来说,曲线已经有人跑出来了,燃料却还没有。
把模型部署到昇腾 NPU 上,计算逻辑确定之后,还有一道难题:怎样让底层实现充分利用硬件?同一个注意力计算,分块、搬运、并行和同步方式不同,运行时间就可能明显不同。
本周「十字路口」的嘉宾是李磊,小米 MiMo 大模型后训练研究员、香港大学在读博士。一边参与大模型训练,一边读 PhD,他和许多同学一样,面对着 AI 带来的巨大机会,也置身于飞速变化的节奏中:既兴奋,也焦虑。
基于预训练的 Cosmos-Predict2.5-2B,SkeLAM 使用总计约 10 小时的机器人交互数据进行训练。在人手到机器人的迁移实验中,输入换成人类演示,生成视频中的机械臂仍然呈现出与演示对应的运动方向。迁移时模型参数全部冻结,没有针对这些演示额外微调。
大家好,我是鲁工。 上周凌晨发的那篇Gemini 4 Argon正式发布,Antigravity中已经可用。快讯时,我在文末提到那篇稿子本身就是用Gemini 4 Argon写的,很多读者留言说完全看不出来AI味。
上周六(10 月 17 日),在十字路口 × Table for Six 联名活动的 After Party 上,我们在 AI Hacker House 邀请到 Table for Six 的创始人 Jeff 和投资人汪天凡 Will 进行了圆桌对话。
说真的,人类科学史今夜彻底改写了!