搜索
在机器人领域，扩散策略（Diffusion Policy）已经成为了标准模仿学习策略和 VLA 动作生成范式，但其「从随机噪声中迭代解噪」的机制带来了不容忽视的推理延迟。如果机器人不再从随机高斯噪声开始「盲猜」，是否可以基于「刚刚做了什么」来预测「下一步做什么」呢？
香港科技大学 PEI-Lab 与字节跳动 Seed 团队近期提出的 WMPO（World Model-based Policy Optimization），正是这样一种让具身智能在 “想象中训练” 的新范式。该方法无需在真实机器人上进行大规模强化学习交互，却能显著提升策略性能，甚至涌现出 自我纠错（Self-correction） 行为。
通用具身智能机器人公司「无界动力」宣布完成超2亿元天使+轮融资，老股东红杉中国、线性资本、高瓴创投、华业天成、中金资本旗下基金、BV百度风投持续追投，新增深创投、创新工场、普华资本、钧山资本、雅瑞资本等加入。
让模型真正 “能行动”，往往需要一个可执行、可验证的符号世界模型（Symbolic World Model）：它不是抽象的文字描述，而是能被规划器或执行器直接调用的形式化定义 —— 例如 PDDL 领域 / 问题，或可运行的环境代码 / 模拟器。
近日，X 知名博主、Hyperbolic 联创 & CEO Yuchen Jin 发帖称，如果在他读博士的时候就有 Claude Code、Gemini 和 ChatGPT 等各类 AI 工具出现，那么也许只要一年就能毕业，而不是用了 5.5 年。
让我们细数一下这两年令人印象深刻的模型代号：草莓、香蕉、胡萝卜……每次一亮相，总要和水果蔬菜沾点关系。最新的主角叫：Olive Oil Cake（橄榄油蛋糕），另加 Chestnut and Hazelnut（栗子和榛子）。
先说一句最关键的。十月，ChatPlayground.ai 的月访问量估算为25万上下，环比暴涨六倍多，具体是 611.53%。这个数据来自 Toolify 的十月增长榜。
Solix Technologies最近推出了企业AI，据称这是业界首个第四代数据平台。Solix表示，通过将先进的数据管理功能集成到单一平台中，它可以提供企业成功利用AI所需的干净、可信和受治理的数据。
今天要讲的On-Policy Distillation（同策略/在线策略蒸馏）。这是一个Thinking Machines整的新活，这个新策略既有强化学习等在线策略方法的相关性和可靠性；又具备离线策略（Off-policy）方法的数据效率。
刚刚，不发论文、爱发博客的 Thinking Machines Lab （以下简称 TML）再次更新，发布了一篇题为《在策略蒸馏》的博客。在策略蒸馏（on-policy distillation）是一种将强化学习 (RL) 的纠错相关性与 SFT 的奖励密度相结合的训练方法。在将其用于数学推理和内部聊天助手时，TML 发现在策略蒸馏可以极低的成本超越其他方法。