GPT-6 Astra的机器人能力被扒:可能接受过专门训练
GPT-6 Astra的机器人能力被扒:可能接受过专门训练研究显示,GPT-6 Astra、GPT-6.1 Sol和Gemini Argon可能接受过机器人专门训练,并对Franka Panda运动学知识过拟合,尚不能证明其掌握可跨机器人迁移的通用运动学能力。
搜索
研究显示,GPT-6 Astra、GPT-6.1 Sol和Gemini Argon可能接受过机器人专门训练,并对Franka Panda运动学知识过拟合,尚不能证明其掌握可跨机器人迁移的通用运动学能力。
英伟达等团队提出TacitVLA,通过让动作专家不读取当前推理文本,保留推理训练与日志记忆作用,在机器人操作和自动驾驶中取得与显式推理相当的成功率,并将延迟最多降低3.4倍。
NaiveAI开源的Naive-N0.5-Flash已让普通玩家在个人电脑上完成数据处理、训练、评测与纠错,覆盖客服、游戏和机器人控制等任务,推动Vibe Training与递归自我改进落地。
大晓机器人首席科学家陶大程教授提出具身双脑协同方案,以云端 SenseNova、端侧开悟世界模型和具身 Harness 连接任务推理、物理预测与执行反馈,推动真实经验经真机与仿真验证后跨任务复用,减少机器人重复试错。
香港大学罗晔教授团队发布S²-MAS框架及YN决策模型,以14张GPU在4小时内完成1200万户家庭仿真,YN-mini单卡吞吐量达3.7万token/s,消费金融基准准确率高于Jev 1.13。
清华大学和新加坡国立大学团队提出并开源VISTA,通过Meta-agent自主修改Harness代码且不更新模型权重,将LIBERO-Pro整体任务成功率从17.5%提升至95.0%。
深圳市大数据研究院与华为联合研发的ASP被NeurIPS 2026接收,该系统基于昇腾910B3和MindSpeed-RL,以队列感知调度优化多实例异步RL训练,生成吞吐最高提升222%、单轮迭代时间最多降低76%,并将电信百卡集群训练周期从3个多月缩短至约2个月。
Firefly 在 NeurIPS 2026 提出“先探索、后出题”的训练数据合成流程,利用真实 MCP Server 和可离线复现的检索增强模拟器生成5,144个可验证任务,使 Qwen3-4B-Thinking-2507 的 pass@1 从28.1%升至41.5%。
微软研究院等团队提出全开源的WildAWM,合成个人电脑环境、跨GUI/MCP/CLI任务及验证器,并训练Qwen3.6-35b-a3b和Qwen3.5-4b,两款模型在8个分布外基准上均获提升,相关环境、任务、模型与数据均已开源。
香港中文大学与微软团队提出EchoChat,将感知、心理状态推断与语音回复生成纳入统一优化框架,通过级联门控、SDCA步骤级信用分配和AAA声学注意力约束减少共情推理中的错误传播,相关成果发表于NeurIPS 2026,并发布EchoDialogue-400K数据集与EchoEval评测。