从一步生图到流式视频：清华团队探索「样本分布训练」
从一步生图到流式视频：清华团队探索「样本分布训练」对着屏幕说一句 “向左转”，画面随即展开新的视野；调整角色的动作，场景紧接着给出反馈。多模态交互要求视觉生成跟上人的操作，而漫长的等待会打断整个体验。
来自主题: AI技术研报
7267 点击 2026-10-12 11:44
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
对着屏幕说一句 “向左转”，画面随即展开新的视野；调整角色的动作，场景紧接着给出反馈。多模态交互要求视觉生成跟上人的操作，而漫长的等待会打断整个体验。
近期，全球顶尖 AI 实验室正在密集释放一个信号：AI 正在从帮助人类完成任务，走向参与自身的研发与改进。
只要和一个人聊得足够久，大模型就能成为他的「数字分身」吗？
一思科技旗下 AceiiLab A1 通过沿底线移动喂球、球童模式、AI 动作分析和训练数据服务提供互动陪练，首批量产机今年 7 月开始交付。
LeCun创办的AMI联合纽约大学、巴黎INRIA和布朗大学推出分层世界模型H-JEPA并开源代码及预训练权重，其在Visual AntMaze任务中以更少规划计算取得更高成功率。
2026年，Anthropic披露Claude已主导26%的研发，OpenAI宣布自动化研究实习生达标，智谱与MiniMax推进工程优化，但Weco AI的AIDE²实验尚未证明系统能提升自我改进能力。
研究团队提出7B审计员AgentForesight，可在多智能体任务运行中在线识别并归因关键错误，其AFTraj-2K Exact-F1达66.44，成功轨迹误报率仅2.37%。
西湖机器人升级通用大脑WR1，采用全球首创的通用大小脑双预训练系统架构，融合WM、VLA与GAE，完成双机器人协同折叠衣物及跨厨房、客厅、卧室的连续自主家务演示。
英伟达联合MIT和牛津大学团队提出Physis-Lang，通过物理语言描述、自进化准则和能力导向的数据检索提升视频模型的物理理解与生成表现，其Cosmos3-Super和Cosmos3-Nano在Physics-IQ Verified分列第一、第二。
清华大学智能产业研究院（AIR）的一项NeurIPS 2026录用工作提出高阶动作监督，无需改动策略网络即可约束动作的一阶时序变化，并在OGBench及约1%数据的D4RL实验中提升小样本性能与动作平滑性。