搜索
阿里巴巴达摩院的最新工作RynnWorld-Teleop对此给出的方案是：用生成式世界模型替代真实机器人。操作员的手势驱动一个实时视频生成器，由“数字世界中的机器人”完成全部视觉演示，同时自动获得关节级的动作标签。该方案被称为数字遥操作（Digital Teleoperation）。
最近，一篇名为 FreeStyle: Free Control of Style-Content Dual-Reference Generation from Community LoRA Mining 的工作引起了不少关注。换句话说，FreeStyle 研究的是 style-content dual-reference generation，也就是「内容 - 风格双参考生成」。
近两年，视频生成模型在具身智能领域受到持续关注。从 UniPi、SuSIE 到各类 action-conditioned video generation 变体，其核心思路一致：先由模型生成一段未来视频，再从中提取动作信号供机器人执行。
如果想开发一个视频理解应用，你会怎么做？
来自清华大学与腾讯的研究者提出了 Generalizable Predictive Prompt Selection（GPS）。GPS 的做法很直接：先训练一个小型、可泛化的 Prompt Predictive Model（PPM），让它预测不同 prompt 在当前模型下的难度；再根据难度和 batch 多样性选择训练样本，从而减少无效 rollout。
General Intuition 做的事听起来有点绕：用游戏数据训练现实世界里的 AI Agent。换成更直白的话说，General Intuition 做的是让 AI 先在游戏里学会“怎么行动”，再把这种能力迁移到机器人、无人机、自动驾驶、仿真环境里。
AI 时代，面临传统电网和可再生能源的压力，科技巨头们争夺的资源已不仅仅是 GPU，而是稳定、低价、全天候不断电的清洁能源。现在，解决方案或许又多了一个新的选择。近日，美国核能初创公司 Ampera 称，已基于 3D 打印完成全球首个全尺寸核反应堆模块，旨在为 AI 数据中心、国防应用、工业设施和偏远地区等提供清洁电力。
看《堡垒之夜》的游戏录像，也能训练AI？没错，一家靠着海量游戏录像训练AI的公司General Intuition，刚刚完成3.2亿美元（约合人民币21.77亿元）融资。General Intuition公开披露的融资总额已达4.54亿美元，估值23亿美元。
过去十年，推荐系统最核心的动作可以概括成一个字：找。
全球最强超算，易主了！