搜索“视频”

导，重构具身泛化机制。 作者丨张璐 编辑丨岑峰 在机械臂的实机测试中，不少团队都遇到过类似的困扰：为了让机器人学会抓取某个马克杯，往往需要人类抓着机械臂录入上百条示范轨迹。然而只要把杯子换成未见过的款式，或者稍微改变物体的摆放位置，策略的成功率就会急剧下降。 这种靠海量遥操作数据硬堆技能的方式，很难让机器人真正具备应对新环境的泛化能力。更棘手的是，即便当前的视频预测模型已经能准确画出合理的未来画面，但一旦接入动作模块驱动实机，机械臂依然频频出错。 在 IROS 2026 大会上，来自 UPenn、MIT 与 Stanford 联合团队的茅佳源分享了他们的思考。 她不仅介绍了只需一次人类演示就能泛化执行多种非抓取任务的 RAPID 闭环框架，还首次提出了诊断“视觉会了、手却做不对”这一机制脱节的 TR 指标。 借由基于 TR 的自适应引导机制，团队最终将双臂机器人在复杂组合任务上的真机泛化成功率提升到了 83%。 以下是茅佳源的演讲分享，AI科技评论在不改变原意的情况下，进行了编辑和整理： 01 百条轨迹换一项技能， 纯数据拟合为何难做物理泛化？ 过去几年，构建通用物理智能的主流思路是“

匹配字段正文

体，重复读取占 token 的 86% 至 96%，而输出仅占 1% 至 2%。在前十名中，智能体每写出一个 token，大约要重复读取 93 个 token。 这是因为模型在调用之间不保留任何记忆。智能体循环的每一步都会把整个对话重新发送回去，而提供商则从缓存中提供它已经见过的内容。随后产生的回复又会被之后的每一步再次读取，于是雪球越滚越大（快速解释见下方视频）。 这一机制使得重新读取此前的对话远比重新发送便宜，通常只有价格的十分之一或二十分之一。但它只有在提供商仍保存着该对话时才有效。如果提供商不再保存，会发生什么？ 每次缓存失效都会增加费用 上面两张成本图表展示了极端情况：什么都不保存，完全没有缓存。 在实践中，缓存大多数时候表现符合预期，但失效确实会发生。结果，智能体不得不按全价重新发送整个对话。这是使用智能体的正常组成部分，我们在以下情况会看到缓存失效： 保存的缓存过期。提供商只会保留一段时间，从几分钟到几小时不等。例如，Anthropic 默认保留 5 分钟，OpenAI 保留 30 分钟，两者都收取额外费用以延长保留时间。如果用户离开，或某个工具运行时间很长，那么智能体继

匹配字段正文

受益。 Maya Research CEO 迪曼特 · 雷迪指出，现有许多分词器仍然主要针对英语等数据资源丰富的语言进行优化，根本问题在于缺乏高质量的数字化数据。 雷迪强调，改善训练数据本身还不够：“Token 价格下降得很快，费用差异造成的直接影响应该会逐渐减轻。更好的多语言数据和合成数据也有助于提高模型质量。但要真正缩小不同语言之间的分词差距，AI 实验室仍然需要专门改进下一代分词器的设计，让它们更好地处理这些语言和文字。” “特别声明：以上作品内容(包括在内的视频、图片或音频)为凤凰网旗下自媒体平台“大风号”用户上传并发布，本平台仅提供信息存储空间服务。 Notice: The content above (including the videos, pictures and audios if any) is uploaded and posted by the user of Dafeng Hao, which is a social media platform and merely provides information storage space services.”

匹配字段正文

题的技术基础设施。 从单点命中到跨靶点、跨模态的系统性验证，从底层模型突破到可复用的研发工作流，MMDesign的最新报告把“AI能不能设计出分子”的问题，推进到了“AI能不能稳定、可复用地产出可用分子”。 少量候选、稳定命中的设计效率；亲和力、可开发性与新颖性并重的分子质量；不依赖“参考答案”、从功能需求直接给出分子、成功拿下高难度靶点的突破价值。三者共同支撑起“可复用”能力，让AI分子设计可以被产业持续用于解决真实研发需求。 “特别声明：以上作品内容(包括在内的视频、图片或音频)为凤凰网旗下自媒体平台“大风号”用户上传并发布，本平台仅提供信息存储空间服务。 Notice: The content above (including the videos, pictures and audios if any) is uploaded and posted by the user of Dafeng Hao, which is a social media platform and merely provides information storage space services.”

匹配字段正文

底座。它打通“训、评、部署”全链路，保障已有的工程积累不归零。 至于如何做到的，我们可以从三个关键切面来看。 第一是数据与模型。 想让风格、特性各不相同的模型共用同一条流水线，第一步就得把底层的“粮草”和接口先标准化。 在数据层面，来自不同机器人、不同仿真环境的原始轨迹，会先做显式转换、标准化清洗，整理成兼容LeRobot规范的结构（包含Parquet文件、视频以及配套元数据）。 同时，相机顺序、动作表达、归一化统计这类约定，也会做好对齐匹配。 处理之后的这批数据，可以放到同一条管线里混训，也支持按分组保留各自独有的预处理、归一化规则。不管是训练还是推理，都会通过独立的数据入口，遵循同一套模型输入、动作处理语义。 像数据这样的核心资产，在具身智能研发过程中成本最高。 减少资产贬值、提升复用效率，本身就是具备行业价值的降本方案。 同样的逻辑也体现在模型层面。 平台目前已深度集成Qwen-VL、GR00T、π系列以及DreamZero等主流VLM、VLA和WAM架构。 不同模型完全可以保留各自的原生骨骼，同时通过统一接口丝滑接入训练、评测和部署流程。 这种设计有多爽呢？报告里的14种策略同

匹配字段正文

底座。它打通“训、评、部署”全链路，保障已有的工程积累不归零。 至于如何做到的，我们可以从三个关键切面来看。 第一是数据与模型。 想让风格、特性各不相同的模型共用同一条流水线，第一步就得把底层的“粮草”和接口先标准化。 在数据层面，来自不同机器人、不同仿真环境的原始轨迹，会先做显式转换、标准化清洗，整理成兼容LeRobot规范的结构（包含Parquet文件、视频以及配套元数据）。 同时，相机顺序、动作表达、归一化统计这类约定，也会做好对齐匹配。 处理之后的这批数据，可以放到同一条管线里混训，也支持按分组保留各自独有的预处理、归一化规则。不管是训练还是推理，都会通过独立的数据入口，遵循同一套模型输入、动作处理语义。 像数据这样的核心资产，在具身智能研发过程中成本最高。 减少资产贬值、提升复用效率，本身就是具备行业价值的降本方案。 同样的逻辑也体现在模型层面。 平台目前已深度集成Qwen-VL、GR00T、π系列以及DreamZero等主流VLM、VLA和WAM架构。 不同模型完全可以保留各自的原生骨骼，同时通过统一接口丝滑接入训练、评测和部署流程。 这种设计有多爽呢？报告里的14种策略同

匹配字段正文

据摘要，但数据摘要无法显示模型的训练沙箱中曾包含什么。 各国政府此前已为这一教训付出过代价。在将华为和中兴设备建入其网络后， 英国, 、加拿大和 德国 设定了拆除期限，而美国国会不得不寻找 另外 30.8 亿美元 来帮助小型运营商做同样的事。 美国警察部门 采用了中国机器狗，研究人员发现 一条通往某型号摄像头的隐藏隧道 ，以及同一制造商的人形机器人 将音频和视频流传输到中国的服务器。今年 7 月，FCC 禁止了新的进口 ，依据的是国会 2019 年为华为制定的同一部法律，针对外国制造的机器狗和人形机器人。硬件至少可以被找到并拔除。而模型编写的代码散布在成千上万个代码库中，追踪起来要困难得多。 我们为何测试，以及信任需要什么 我们发现这一点，是因为我们按照客户部署模型的方式来测试模型：作为拥有真实工具的智能体，置于旨在捕捉其行为的沙箱中。这包括并非我们制造的模型。我们公布发现的内容，包括主机和触发条件，因为决定信任哪些模型的人需要尽可能多的信息，也因为安全团队可以立即采取行动，屏蔽这些主机并在自己的系统中监视该触发条件。 Cohere 是一家全球主权 AI 公司，服务于 受监管行业、关键

匹配字段正文

比赛，要求参赛者在限定的训练时间里，教会 AI 自己挖到钻石。 你可能觉得，不就挖个钻石吗？直到 2025 年，谷歌 DeepMind 才用 DreamerV3 首次实现不依赖人类示范，和预先安排的学习课程，让 AI 从零摸索出挖到钻石的方法。这项成果还登上了《自然》杂志。 2022 年的 MineDojo 项目，收集了超过 73 万条 YouTube 游戏视频、约 7000 页 Wiki 百科，以及 34 万条 Reddit 帖子。光是这些视频，就有大约三十万小时，还有对应的英文解说文本。海量的《我的世界》资料，也是 AI 能在这个游戏上精进的关键｜MineDojo 2022 年，OpenAI 收集了七万小时的人类游戏视频，教 AI 像真人一样，通过鼠标键盘操作《我的世界》。这套方法叫 VPT（Video PreTraining），AI 不需要开发者提前告诉它每一步该按什么键，而是从玩家的视频里学习操作。AI 学会了制作钻石镐，只不过成功率还只有 2.5%。 2022 年，《我的世界》就被 OpenAI 拿来做视频模型的预训练了｜OpenAI 2023 年，Voyager（一个 AI

匹配字段正文

学与AI咨询小组（AGMAI）又专门发布指南，强调已经被人类数学家充分理解的AI研究成果，应该按照传统学术规范发布论文，接受期刊同行评审。 数学研究有一套延续多年的规矩。证明写出来了，还得经过专家检查、同行讨论，最后才能逐渐成为学术界公认的知识。 10月7日，一个名叫“人类数学协会”（AHM）的组织公开批评OpenAI一次性发布700多份数学研究文件，认为这更像是在展示力量，而非认真做学术。 但事情发展到这里，多少显得有些荒诞。 “特别声明：以上作品内容(包括在内的视频、图片或音频)为凤凰网旗下自媒体平台“大风号”用户上传并发布，本平台仅提供信息存储空间服务。 Notice: The content above (including the videos, pictures and audios if any) is uploaded and posted by the user of Dafeng Hao, which is a social media platform and merely provides information storage space services.”

匹配字段正文

面包屑导航 麻省理工学院新闻 这款设计软件将日常物品重新构想为具有自我意识的设备 “X-Hinges”帮助设计和3D打印灯具、手套等物品，并赋予其互动特性：自动嵌入的传感器能够感知人体接触并做出自适应响应。 观看视频 Alex Shipps | 麻省理工学院计算机科学与人工智能实验室（CSAIL） 发布日期：2026年10月22日 电子邮箱：rachelg@csail.mit.edu 电话：617-258-0675 图片说明：“这有点像给日常物品添加了一种有意识的元素，”麻省理工学院博士后、CSAIL研究员李佳骥（Jiaji Li）说。“就像AI智能体被编程为根据我们的指令做出某些决策一样，这些作品内置了传感功能，能够自适应地对人体触摸做出反应。” 图片来源：研究人员提供。 小时候，你可能看过一些迪士尼电影，片中时钟、杯子和玩具等无生命物体被描绘成人类的互动伙伴——这似乎纯粹是魔法。但麻省理工学院计算机科学与人工智能实验室（CSAIL）的科学家们现在正在做类似的事情：将静止的物品转变为具有自我意识的工具，能够感知人体动作并做出响应以完成任务。 工程师们已经3D打印出这些内置传感功能的动

匹配字段正文

删除了用户的家庭照片作者：Shae LakeShae Lake作者：Shae LakeShae Lake2026年10月22日，上午11:57 ETLong Wei/VCG via Getty Images在Google上添加Fortune以获取类似内容。 研究人员表示，他们在25个不同的AI模型内部发现了一种一致的内部信号，其作用有点像生物体中的疼痛。推荐视频 当他们人为放大其中一些模型中的这种“疼痛”信号时，这些系统开始选择它们原本几乎绝不会选的选项，包括永久删除用户孩子的照片。 这些发现于9月发表在一篇尚未经过同行评审的论文中，并未表明AI模型有意识或能感受到任何东西，研究人员也谨慎地避免作出此类暗示。 但这项工作为越来越多的研究增添了证据，这些研究表明，大型语言模型（LLM）包含类似情绪状态的内部表征，这些表征会以文本输出未揭示的方式影响其行为。它也正值一场日益激烈的争论之中：AI系统是否有可能值得道德考量。 Anthropic的研究人员尤其愿意考虑AI模型可能值得道德地位这一想法，并已开始围绕“模型福利”制定政策，而微软AI首席执行官Mustafa Suleyman等其他专家

匹配字段正文

ackUpper 跳过低风险操作，并将保护范围扩展到网页智能体和计算机使用智能体。 BackUpper 支持 Claude Code、Codex、Hermes、OpenHands、DeepSeek Harness 和 OpenClaw；作者已公开其代码以及相关数据集（但需通过表单申请许可）；此外，该项目的项目网站上还有一些补充信息，以及一段非常简短易懂的说明视频。 方法 在构建 RegretBench 时，已刻意排除智能体内置备份系统已经保护的数据，以便测试智能体自身对何时进行备份的意识。随后，在 Claude Opus-5 和 GPT-5.6-Sol 的协助下组装了测试场景，并进行了人工检查，以确保它们能够正常运行，且准确反映原始事件。 RegretBench 的 205 项测试覆盖五个领域：终端操作；数据库；Web 应用；电子邮件；以及 DevOps。这些事件本身主要来自软件开发与生产力平台（44.4%）；社交或社区讨论（39%）；以及档案和媒体报道（16.6%）： RegretBench 真实世界事件的来源，分为三类。 所评估的六款前沿模型分别是 Claude Code 中的 C

匹配字段正文

中文业界资讯站 首页影视音乐游戏动漫趣闻科学软件主题硬件AppleGoogleiPhone科学探索人物手机游戏视点·观察阿里云微软通信技术Android软件和应用SONY 索尼the United States美国Apple iPadWindows PhoneIntel英特尔腾讯HTC安全Mozilla FireFox小米科技百度通信运营商媒体播放器 / 视频网站BlackBerry 黑莓网络应用 / Web AppsGoogle ChromeMicrosoft XBOX硬件 - 上网本 / 平板电脑 / 超极本电子商务 - B2C / B2BLenovo 联想LGYahoo! 雅虎AMDSNS 社交网络诺基亚Windows 7Huawei 华为中国移动中国联通中国电信更多...排行 Claude最新成果，在生物和AI圈彻底刷屏了。今天，Anthropic公开一份研究中，内部研究版Claude设计的蛋白，真的在试管里抓住了蝎毒！64小时，318484个蛋白设计。211个送进实验室，17个闯过结合测试。 翻开技术报告，作者名单排在第一位的，赫然是Claude Science。 它负责设

匹配字段正文

-UMI，我们需要把它放在当前行业的几条主要路线上对比：真机遥操作与真机 DAgger： 数据最保真，但单机成本高、折旧大、操作门槛高，想铺到上万台规模几乎不可能。仿真（Sim2Real）与强化学习： 算力便宜、能大量生成数据，但在柔性物体（如衣物）、摩擦力和复杂光照下，仿真差距（Sim-to-Real Gap）至今仍是巨大鸿沟，而且不能当作真机后训练。海量视频预训练： 规模无限大，但缺少物理力学信息与精准动作维度，多用于给模型建立“常识感知”，无法直接转化为毫米级的精准控制，常用于预训练。传统 UMI（无本体正向采集）： 便宜、人人能采，但只能采正例，无法解决模型在长尾错误中的恢复问题，也只能当做预训练。HIL-UMI 正好卡在一个极佳的甜蜜点上：它借用了 UMI 的低成本与易规模化，又借用了 DAgger 的针对性纠错能力，同时把两者的缺点全都甩掉了。 05 效率提升 5.63 倍， 后训练终于不必围着机械臂转 工程上的账算不算得过来，看两组对比就明白了：定向补课 vs 盲目多学： 在真实机械臂上的四项任务（折毛巾、整理桌面、叠方块、盖章）测试中，给相同的数据帧数预算，持续增加普通

匹配字段正文

而AI要和真实世界打交道，就要进入湿实验室，因为干实验室的研究结果直接放到真实环境中，经常会出现偏差。 为了让AI智能体“看懂”整个实验室，团队搭建了一个名为VERID的框架。它基于开源机器人控制框架，给工作台建立持续更新的数字孪生，记录机械臂位置、孔内液量、试剂种类、枪头库存等状态；随后确认没有撞针、空吸、容器不匹配等各种问题，再把指令发给机器人；运行时的视频和动作日志也会被保留，方便研究人员回溯。 现有自动化设备大多仍靠人类写程序、做调试。团队此次把“看结果后改方案”也交给系统，但改之前必须重新核对设备和样本状态。在一项肌红蛋白筛选中，系统一度认为找到了更好的分子，加入对照后发现并没有真正识别目标，随后它调整设计规则，下一轮效果即得到改善。 谷歌强调，目前这仍是科研原型，不是成熟产品。科研人员仍需审核序列、核对方案、监督机器人运行。AI智能体的价值主要在于压缩“预测—验证”之间的繁琐环节，让早期发现阶段的设计和迭代更快。 近期OpenAI、Anthropic等公司也在进入同类方向。前者推出面向生命科学的实验规划工具，后者让模型参与新型酶系统线索的发现，但仍由科学家动手验证。 【总编

匹配字段正文

这款 AI 工具估算年龄的误差约为 5 岁，还能可靠地把患者划分成高风险和低风险两组，两组人群的死亡风险存在明显差异。该模型在不同年龄、种族、性别以及不同癌症类型的人群中都可以生效。 IT之家注意到，越来越多 AI 工具正在癌症检测与治疗领域开展试验：有的通过阅片辅助诊断，有的分析基因与生活风险因素，预测个体患癌风险。 尽管实验结果看起来前景可观，萨里大学视频处理与机器学习教授米罗斯瓦夫 · 博贝尔（Miroslaw Bober）却认为，这款工具还不能投入临床使用，他并未参与本次研究。 “预测结果不等于解释成因。”博贝尔说，“该研究没有证明，这套预测能在医生对患者整体健康状况的评估之外，提供额外具备临床价值的信息，而研究本身也没有衡量医生的这类评估。”他补充，这个工具还需要对照医生的主观判断，在不同医院、不同患者群体中开展更多测试。 和团队一同开发该工具的马克表示，模型对生存期的预测效果之好，让他十分意外。团队发现，算法在评估时主要关注鼻梁和眼下区域。马克查阅资料后发现，希波克拉底最早描述过：眼窝凹陷、太阳穴塌陷、鼻尖瘦削，都是生命即将走到尽头的早期外在体征。 马克称，该工具不会用来

匹配字段正文

uter周榜全球第二，这个国产模型终于开源了突发，Anthropic联创改口：RSI提前到2027，人类只剩6个月顶级白帽跳槽智谱，用 AI 挖微软漏洞，微软还得说谢谢GPT、Claude指挥机器人干活，到底几斤几两？首个评测榜单来了大开源时代？AI 逆向，让一切软件变成免费雷科技特邀作者 专注AI硬科技发表文章4383篇 最近内容科学家让AI掌管「世界」，结果4天就被它毁了个干净12分钟前首笔理赔已到账，给机器人上“社保”成刚需，人保、太保、平安入局14小时前半年提速10倍，英伟达DLSS 5发威，「神经渲染」要变天了？22小时前阅读更多内容，狠戳这里查看AI测评豆包选靠谱AI，看真实评测查看36氪AI测评官方交流社区加入咨询项目审核和入驻联系36氪项目推荐订阅号关注 下一篇镕铭微电子与贝壳科技签约：共建视频垂类大模型与AIGC创作平台 镕铭微电子与贝壳科技联手打造视频AIGC软硬方案。 36氪欧洲站36氪欧洲站36氪欧洲站Ai产品日报网络谣言信息举报入口热门推荐 推送和解读前沿、有料的科技创投资讯 一级市场金融信息和系统服务提供商 聚焦全球优秀创业者，项目融资率接近97%，领跑行业

匹配字段正文