搜索
以 LeWorldModel（LeWM）为例，它在规划时有一个重要瓶颈：每评估一条候选动作序列，模型都要一步步自回归 rollout。也就是说，LeWM 先预测下一步 latent，再把预测出的 latent 输入 dynamics model，继续预测下一步：
从李飞飞World Labs的50亿估值，到LeCun出走创立AMI Labs的十亿种子轮，再到谷歌Genie 3让文本生成的世界第一次具备实时可交互、可导航的形态，世界模型正在成为AI下一阶段的核心战场。
做大模型RL微调，你是不是也踩过这些坑？
物理AI发展到现在，所有玩家都奔着同一个方向使劲： 让机器人「读懂」所处的物理环境。
AI 圈最近又热了一个词：Loop Engineering。
想训练能自动操作手机的GUI（图形用户界面）智能体，总会遇到两难困境：
这篇来自 Interlatent（一家聚焦具身智能后训练与部署的早期创业公司） 的文章，试图从第一性原理出发，把现代 AI 机器人技术重新讲清楚：一个机器人到底如何理解世界，如何生成动作，又为什么会在数据、延迟和泛化上遇到如此多的困难。
今天，「Grammarly」母公司「Superhuman」宣布收购「GPTZero」，后者为 2 个华人联创 Edward Tian 和 Alex Cui 创立的 AI 检测工具，在去年进行产品定位重构。根据双方声明，「GPTZero」成立三年后 ARR 达 3000 万美元、注册用户 1900 万，团队不到 30 人。
一个模型能模拟7种环境。
AI Agent 正在重塑软件开发。写代码、修 bug，它的能力肉眼可见地往上涨。但软件开发，从来不止 "写代码" 这一件事。装环境、配依赖、部署服务、编排容器、管理云资源、处理安全策略，这些 "让软件活起来" 的脏活累活，才是真实开发的大头。而它们，几乎都发生在同一个地方：终端。