机器人也能边想边做！清华团队OneTwoVLA让机器人煮火锅、炒菜、调酒样样精通
机器人也能边想边做！清华团队OneTwoVLA让机器人煮火锅、炒菜、调酒样样精通只用一个模型，就能边思考边动手，涮火锅、调鸡尾酒，还能听你指挥、自己纠错 —— 未来通用机器人的关键一跃，或许已经到来。
来自主题: AI技术研报
5361 点击 2025-06-16 09:24
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
只用一个模型，就能边思考边动手，涮火锅、调鸡尾酒，还能听你指挥、自己纠错 —— 未来通用机器人的关键一跃，或许已经到来。
作为一个专注用AI解决具体场景问题的自媒体小博主，每一个场景我一般都搓一个提示词出来，随着覆盖的场景越来越多，我的提示词库也变得越来越庞大。
在企业系统和科学研究中普遍存在、结构复杂的关系型数据库（Relational DataBase, RDB）场景中，基础模型的探索仍处于早期阶段。
真正的智能在于理解任务的模糊与复杂，Context Scaling 是通向 AGI 的关键一步。
最近，来自约翰・霍普金斯大学与中国人民大学的团队设计了三套实验，专门把关键线索藏在上下文之外，逼模型「凭记忆」作答，从而检验它们是否真的在脑海里保留了信息。
想象一下：你正在浏览社交媒体，看到一张震撼的图片或一段令人震撼的视频。它栩栩如生，细节丰富，让你不禁信以为真。但它究竟是真实记录，还是由顶尖 AI 精心炮制的「杰作」？如果一个 AI 工具告诉你这是「假的」，它能进一步解释理由吗？它能清晰指出图像中不合常理的光影，或是视频里一闪而过的时序破绽吗？
研究多智能体必读指南。Anthropic 发布了他们如何使用多个 Claude AI 智能体构建多智能体研究系统的精彩解释。
研究人员发现，大语言模型的遗忘并非简单的信息删除，而是可能隐藏在模型内部。通过构建表示空间分析工具，区分了可逆遗忘和不可逆遗忘，揭示了真正遗忘的本质是结构性的抹除，而非行为的抑制。
就在刚刚的CVPR上，鹅厂3D生成模型混元3D 2.1正式宣布开源！
扩散建模+自回归，打通文本生成任督二脉！这一次，来自康奈尔、CMU等机构的研究者，提出了前所未有的「混合体」——Eso-LM。有人惊呼：「自回归危险了。」
近段时间，关于 AI 自我演进/进化这一话题的研究和讨论开始变得愈渐密集。
好家伙，机器人进厂打工原视频流出，整整60分钟，完全未剪辑。
越通用，就越World Models。 我们知道，大模型技术爆发的原点可能在谷歌一篇名为《Attention is All You Need》的论文上。
三维场景是构建世界模型、具身智能等前沿科技的关键环节之一。
大型推理模型（LRMs）在解决复杂任务时展现出的强大能力令人惊叹，但其背后隐藏的安全风险不容忽视。
人类在学习新知识时，总是遵循从“记忆事实”到“理解概念”再到“掌握技能”的认知路径。
仅用不到1200行代码，实现最小化且完全可读的vLLM！DeepSeek研究员俞星凯搞了个开源项目引得大伙拍手叫绝。项目名为Nano-vLLM（纳米级-vLLM），有三大特点：快速离线推理：推理速度可与vLLM相媲美
为了推动该领域加速健康发展，由上海交通大学、上海 AI 实验室、牛津大学、普林斯顿大学、Meta 等十个机构联合推出的 MASLab，带来首个统一、全面、研究友好的大模型多智能体系统代码库：
4月份，李飞飞教授领先编制的《2025年人工智能指数报告》提供的数据显示，2024年全年具有特殊影响力的模型（Notable AI models）当中，排名前5的几乎都来自美国、中国的科技巨头。
扩散模型风头正盛，何恺明最新论文也与此相关。 研究的是如何把扩散模型和表征学习联系起来—— 给扩散模型加上“整理收纳”功能，使其内部特征更加有序，从而生成效果更加自然逼真的图片。
GraphRAG的索引速度慢，LightRAG的查询延迟高？
视频生成技术正以前所未有的速度革新着当前的视觉内容创作方式，从电影制作到广告设计，从虚拟现实到社交媒体，高质量且符合人类期望的视频生成模型正变得越来越重要。
您可能会问，LLM Agent的SOP到底是什么，为什么称它为AI的高考？SOP全称是标准操作程序（Standard Operating Procedures）很多朋友可能很熟悉，但它绝不是简单的步骤清单——它更像是AI能否在工业环境中真正"上岗"的终极考验。
如何让AI代码补全更懂开发者？
虽然我前面文章介绍了很多AI 工作流，但它们都是局限在自己平台里的操作，对于外部的页面，大多无能为力。
强化学习·RL范式尝试为LLMs应用于广泛的Agentic AI甚至构建AGI打开了一扇“深度推理”的大门，而RL是否是唯一且work的一扇门，先按下不表（不作为今天跟大家唠的重点），至少目前看来，随着o1/o3/r1/qwq..等一众语言推理模型的快速发展，正推动着LLMs和Agentic AI在不同领域的价值与作用，
标识能否有效应对？
学术综述论文在科学研究中发挥着至关重要的作用，特别是在研究文献快速增长的时代。传统的人工驱动综述写作需要研究者审阅大量文章，既耗时又难以跟上最新进展。而现有的自动化综述生成方法面临诸多挑战：
谷歌DeepMind重磅出击，开源首个形式化数学猜想库，获陶哲轩力挺！从解析数论的兰道猜想开始，这个开源项目将为AI破解数学难题的未来铺路。
近日，抖音内容技术团队开源了 ContentV，一种面向视频生成任务的高效训练方案。该方案在多项技术优化的基础上，使用 256 块 NPU，在约 4 周内完成了一个 8B 参数模型的训练。尽管资源有限，ContentV 在多个评估维度上取得了与现有主流方案相近的生成效果。