搜索
端到端策略模型在物理世界频频失灵，研究者转向 “大模型智能体 + 工具调用” 自救，试图在动态物理世界中持续学习。然而，这条在线学习路径在物理世界仍未真正走通。
给AI一句“生成一款坦克大战游戏”，代码很快跑了起来。
就在刚刚，SemiAnalysis的一个内部播客，曝出了不少猛料。据悉，Anthropic新模型Mythos 2已经训练完成，但惨遭雪藏。现在，Anthropic正用Mythos 2生成的数据，去全力冲刺Mythos 3！
机器人走出实验室后，训练数据不再只是 “多不多” 的问题：环境能否覆盖真实世界的尺度、遮挡、接触和运动，直接决定策略能否落地。Real2Sim 因此重新受到关注 —— 如果普通视频也能变成可交互的仿真场景，采集成本会比人工建模或专用设备低得多。
刚刚，闭源RSI的钦点严父来了！
过去几年，大模型推理系统优化的核心目标一直围绕一个问题展开：如何让 GPU 更高效地计算权重、激活、KV Cache 等高维张量？从并行策略、请求调度、显存管理到算子优化，学界业界大量优化技术不断提升模型推理效率。
当机器人把书放进抽屉，它看到的是一串二维图像，然而真正需要完成的，却是一段发生在三维空间、持续随时间演化的动作。
AI的“情绪”也会影响工作状态？
AI自动科研的时代，彻底爆发了！
随着Agent走向真实工作，后训练和数据正在成为提升智能的关键。