李飞飞的世界模型，终于开始训练机器人了
李飞飞的世界模型，终于开始训练机器人了李飞飞老师的World Labs，补了块关键拼图。
来自主题: AI技术研报
7637 点击 2026-07-29 14:22
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
李飞飞老师的World Labs，补了块关键拼图。
每逢重要的新模型发布，我们编辑部通常比新闻本身更早进入工作状态：提前打开官网、直播和社交媒体，等结果陆续出来，大家一边热火朝天地开始写文章，一边梳理参数、榜单和演示案例，判断这一次技术究竟向前走了多远。
鸿蒙PC用户终于不用再等。
是时候讨论一下 AI 的 “第三极”—— 社会智能了。
大规模视频扩散模型，画面越来越真，却总在“物理定律”上栽跟头。
在真实工业环境中，数据并不是静止不变的。
随着网络系统研究复杂度的提升，研究结果复现通常需要研究人员依据论文描述重新实现完整系统。
终于！Agent赛道，不再是自回归（AR）模型一家独大。
哈喽，大家好，我是刘小排。 刚才，有关注我 Token 消耗的小伙伴已经发现：我今天的 Codex 消耗突然很低。
一个Agent可以完整读过任务要求，亲手执行过失败命令，也能在十分钟前准确定位错误根因，但到了下一轮决策，它仍可能像第一次遇到问题一样重走旧路：再次写入已经确认不可写的目录，重新尝试已经被证伪的参数，或者修好局部测试后忘掉最初的验收条件。
给图像生成模型一张人物参考图，它大概率能抓住身份特征。
刚刚，BeingBeyond智在无界发布首个基于人类视频数据的隐式触觉世界动作模型—— Being-H0.8。
JEPA世界模型的底层是Yann LeCun自2017年起持续倡导的自监督学习（Self-Supervised Learning, SSL）。
还记得「苦涩的教训」（The Bitter Lesson）吗？
即使到了人手 N 个 Agent 产品的时代，大部分人还在用 Agent 产品的默认搜索与策略。
训练一个顶级文生图模型，到底需要多少钱？
人类可以轻松想象一个还没做出的动作会带来什么：手一松，杯子会掉；往前一推，抽屉会合上。动作尚未发生，大脑已经预演了可能的结果。对机器人来说，具身世界模型（Embodied World Model）会根据当前观察和未来的动作，预测动作执行后的未来画面。
别无脑把Opus 5推理强度拉到max当冤大头。
让 Agent 上网查资料，已经不算新鲜事。
2026 WAIC 刚刚落幕，具身智能无疑是最受关注的技术方向之一。
上周我们发了一篇Agent大横评的文章三家评测，结果评论区出现了一个高频问题： “字节的TRAE Work建议测一下。”
GPT-5.5能写专业论文，DeepSeek-V4-Pro能生成复杂代码，具身机器人能完成基础物理操作，语言智能和工具智能都已经跑出了自己的赛道。
过去三年，3D Gaussian Splatting（3DGS）几乎成为实时3D场景重建与新视角合成的“默认答案”。
7 月 24 日，Claude Opus 5 上线。几个小时之内，我看到各家媒体把这个模型的评测成绩转载了一轮，而更值得留意的是 Anthropic 内部人员当天发出的一条推文。
今天给大家开源一个我自己周末做完然后用的很爽的Skill。 我把它称为， Leader.skill。
装完 codex，很多人在输入框里敲的第一句话是这样的：帮我做个 XX 网站。
大家好，我是连续充值Codex Pro会员4个月的袋鼠帝。 不得不说，Codex是真香，一开始我还是100刀的Pro 自从GPT-5.6出来之后，已经改成200$的会员了。
一个前沿模型，被要求随机生成一个奇数。
凌晨，我在一片黑屏上按下鼠标。
上周，龙虾之父Peter Steinberger 发了一条推文：我们还在讨论 Loop，还是已经转向 Graph 了？