搜索
专注于收集人体运动数据以训练人形机器人的AI机器人初创公司Mecka AI，即将完成由红杉资本领投的新一轮融资，估值约为5亿美元，该公司通过付费让人们佩戴传感器记录日常任务来获取机器人训练所需的真实世界数据。
灵巧手从 demo 走向真实应用，关键不只是 “会不会动”，而是能否在 noisy depth、稀疏触觉、外力扰动和未见物体下稳定泛化。现有 in-hand manipulation 往往依赖固定物体、定初始位姿或理想传感器。而一旦遇到真实深度噪声、形状变化和接触状态不可见，这些策略就容易退化成近乎开环的 “手指套路”。
继 ICLR 2025 的 PolaFormer 之后，哈工大（深圳）与鹏城实验室合作的扩展版本 PolaFormer++ 近日被 IEEE TPAMI 正式接收。新版本在理论框架、特征映射设计和实验覆盖面上全面升级：首次给出判定特征映射是否具备「降熵尖锐性」的理论判据，并提出极性感知的通道级尖锐（PaCS）特征映射，在六大类视觉核心任务上全面验证了线性注意力的潜力。
AI完成任务之后，还能留下什么？
用户在Code Arena的battle模式中发现疑似Gemini 4 Pro新检查点（内部代号argon）伪装为gemini-3.8-flash进行盲测，据爆料其支持256K最大输出和2M上下文窗口，原定9月发布的Gemini 4 Pro已因预训练问题推迟至10月。
真实世界的时间序列，不仅被外部事件冲击，也被人为决策持续重塑。
前不久，微信视觉团队开源了WeMM-Embedding。
什么情况？小米新模型的强化学习训练，直接开了现场直播。
大模型一定要一个 token 接一个 token 地生成文字吗？
在过去的几年里，LLM RL 系统的工作负载发生了巨大的变化。早期的 RLHF 围绕同步训练展开：模型按固定顺序进行生成、打分和训练，每个阶段之间有着明确的同步边界。如今，系统还需要处理异步生成、持续训练、多轮 Agent 以及与外部环境的交互 —— 那些在同步执行中原本隐含的状态、版本和故障边界，现在都必须显式地进行管理。