伯克利&Meta面向具身智能的世界模型：让AI通过全身动作「看见」未来
伯克利&Meta面向具身智能的世界模型：让AI通过全身动作「看见」未来几十年来，人工智能领域一直在思考一个看似简单但非常根本的问题： 如果一个智能体要在真实世界中行动、规划，并且和环境互动，它需要一个怎样的「世界模型」？
来自主题: AI技术研报
7697 点击 2025-07-01 15:01
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
几十年来，人工智能领域一直在思考一个看似简单但非常根本的问题： 如果一个智能体要在真实世界中行动、规划，并且和环境互动，它需要一个怎样的「世界模型」？
我们常把LangGraph、RAG、memory、evals等工具比作乐高积木，经验丰富的人知道如何搭配使用，就能迅速解决问题
当前，Agentic RAG（Retrieval-Augmented Generation）正逐步成为大型语言模型访问外部知识的关键路径。但在真实实践中，搜索智能体的强化学习训练并未展现出预期的稳定优势。一方面，部分方法优化的目标与真实下游需求存在偏离，另一方面，搜索器与生成器间的耦合也影响了泛化与部署效率。
既当裁判员，又当运动员？
当大多数人还在学习如何使用ChatGPT生成简单文本时，一对年轻创始人已经让AI为你直接构建完整的移动应用。Levan Kvirkvelia和Daniel Dhawan创建的Rork让人想起了硅谷的电影剧情：从信用卡债务缠身、朋友家地板上的床垫，到一条病毒式推文引来百万美元融资，这家初创公司在vibe coding领域掀起了新浪潮。
流匹配模型因其坚实的理论基础和在生成高质量图像方面的优异性能，已成为图像生成（Stable Diffusion, Flux）和视频生成（可灵，WanX，Hunyuan）领域最先进模型的训练方法。然而，这些最先进的模型在处理包含多个物体、属性与关系的复杂场景，以及文本渲染任务时仍存在较大困难。
多模态奖励模型（MRMs）在提升多模态大语言模型（MLLMs）的表现中起着至关重要的作用，在训练阶段可以提供稳定的 reward，评估阶段可以选择更好的 sample 结果，甚至单独作为 evaluator。
2025 年 4 月的 AI 月报，你会看到：“评估（Evals）” 成为模型和 AI 产品开发的关键词；Google 继续提升 Gemini 模型能力的思路； OpenAI 的 GPT-4o 为什么变得谄媚，以及背后的问题；用户规模与模型能力提升关系不大？可能要有变化了
随着AI Agent 在工作场所日益普及，个人可能会与之紧密协作。波士顿咨询集团报告指出，未来五年内，AI Agent 市场预计将以45%的复合年增长率扩张。
医疗大模型知识覆盖度首次被精准量化！