本文主要介绍来自该团队的最新论文：Scalable Object Relation Encoding for Better 3D Spatial Reasoning in Large Language Models。
一切可以被设计吗?
卖出了两万台 AI 宠物，ropet 这样复盘 AI 陪伴赛道这一年。
当LeCun和李飞飞各自拿下10亿美元押注世界模型时，一个更底层的问题浮出水面：谁来为Physical AI提供真正能用的数据？Ropedia给出的答案，不是更多视频，而是一部结构化的、来自真实世界的「经验百科全书」。
针对大模型长文本处理难题，Transformer架构的核心作者之一Llion Jones领导的研究团队开源了一项新技术DroPE。
做了大量的用户调研后，Ropet团队得到一个重要认知，用户对于AI情感陪伴产品的需求，其实并不是“对话”。
虽然旋转位置编码（RoPE）及其变体因其长上下文处理能力而被广泛采用，但将一维 RoPE 扩展到具有复杂时空结构的视频领域仍然是一个悬而未决的挑战。
如今的视觉语言模型 (VLM, Vision Language Models) 已经在视觉问答、图像描述等多模态任务上取得了卓越的表现。然而，它们在长视频理解和检索等长上下文任务中仍表现不佳。
本期我们邀请到了萌友科技的 CEO 何嘉斌，一位从北京服装学院走出的产品设计师，以独特的女性视角和理工科思维，打造出“桌宠”Ropet——一款不以功能取胜、却以“无用之美”打动人心的情感陪伴机器人。
长文本能力对语言模型（LM，Language Model）尤为重要，试想，如果 LM 可以处理无限长度的输入文本，我们可以预先把所有参考资料都喂给 LM，或许 LM 在应对人类的提问时就会变得无所不能。
