搜索
当前具身智能的VLA（Vision-Language-Action）赛道正陷入典型的「碎片化」泥潭：不同团队采用异构的动作解码范式、强耦合的数据管线、互不兼容的评测协议，导致方法难以横向对比，复现成本极高。
让一个模型概括“这是一段什么视频”，并不难。
2025年之前，想要证明自己混得好，大概得腕上戴块百达翡丽，车库里停辆库里南。但到了AI时代，硬通货变了：看你一年到底烧了多少Token。一年烧掉250亿个Token，有位25岁的韩国小伙子，成了全世界最能烧的人。
过去一年，大模型的能力曲线几乎是指数上升的——推理更强、工具调用更稳、上下文窗口越撑越大。但一个越来越尖锐的问题也随之浮出水面：模型变强了，可承接它的那层东西在哪？
SiFive 是一家由加州大学伯克利分校工程师创办的公司，这些工程师创造了开源芯片设计，该公司已获得一轮超额认购的 4 亿美元融资，公司估值达 36.5 亿美元。
有人把这些规范都整理成了 MD 文件，都在这个网站上 getdesign.md。62 个全球顶级品牌的设计语言，提炼成结构化的DESIGN.md文件，让 AI 编码 Agent 能直接读懂并执行。
本文翻译自 Anthropic 官方博客「Seeing like an agent: how we design tools in Claude Code」，作者 Thariq Shihipar，Claude Code 团队工程师，今天发布。以下为逐段中英对照翻译
4 月 10 日晚，灵初智能发布了大模型、数据集与合作计划：包括策略模型 Psi-R2、世界模型 Psi-W0，以及总规模近 10 万小时的人类操作数据。它想回答的问题也很直接 —— 当真机数据不再是唯一解，机器人还能靠什么继续 scaling？
多模态大推理模型的幻觉，很多时候并非「没看见」，而是在最不确定的推理阶段想偏了。最新研究发现，模型在生成because、however、wait等transition words时，往往处于高熵关键节点，更容易脱离图像证据、转向语言脑补。LEAD在高熵阶段不急于输出单一离散token，而是先在潜在语义空间保留多种候选推理方向，并通过视觉锚点持续拉回图像证据，显著缓解幻觉。
2023 年，AI 生成的成人内容数量暴涨了 500%。同年，所有新增的成人素材里，有 25% 是 AI 造的。根据经济学人数据，AI 成人行业的规模在 2025 年大概 25 亿美元，这个数字往回倒 1 年是 1.5 亿美元，一年暴增 20 倍以上。AI 成人妥妥的「高速暴增品类」。