世界模型:AI 如何学习预测行为的后果
世界模型通过视频和 3D 仿真学习物理关联,并预测自身行为的后果,而不只是从文本中学习语言。弗莱堡大学模式识别与图像处理教授 Thomas Brox 指出,这一概念在生物学和神经科学中已存在很久,在计算机科学中仍相当新;AlphaGo 的内部表征仅限于棋盘,当前世界模型则试图从数据中学习。这类模型可让自动驾驶汽车和机器人在虚拟环境中演练日常或危险场景,但预测往往难以理解,尚未成熟。
匹配字段摘要、正文
世界模型通过视频和 3D 仿真学习物理关联,并预测自身行为的后果,而不只是从文本中学习语言。弗莱堡大学模式识别与图像处理教授 Thomas Brox 指出,这一概念在生物学和神经科学中已存在很久,在计算机科学中仍相当新;AlphaGo 的内部表征仅限于棋盘,当前世界模型则试图从数据中学习。这类模型可让自动驾驶汽车和机器人在虚拟环境中演练日常或危险场景,但预测往往难以理解,尚未成熟。
匹配字段摘要、正文
Luma 宣布 Kling 4.0 已上线 Luma 平台,可用于快速动作和更大范围的镜头运动。该帖附带的视频在 Luma 中制作,使用了包括 Kling 4.0 在内的多个创意模型。
匹配字段摘要
Grok Bot 0.75.2 发布,新增可生成并持续更新的报告、备忘录和仪表盘页面,桌面聊天新增卡片,bot 可根据描述或图片生成视频。Lauren 表示团队迭代速度很快,呼吁用户继续反馈问题和 bug,目标是让 Grok Bot 成为最好用的助手和员工。
匹配字段摘要
Grok @bot 0.75.2 发布,新增 pages 功能,可生成报告、备忘录和仪表盘并持续更新;桌面端聊天加入新卡片;bot 还能根据描述或图片生成视频。完整更新见 changelog。
匹配字段摘要、正文
Peter Yang 发布视频,给出近期安全事件下保护账号的 6 个步骤:断开不用的应用与智能体、用 1Password 的 watchtower、开启双因素认证、轮换或停用 API key、让 AI 更新软件包、不轻信泄露通知邮件或电话。他还提供一个提示词,让 AI 带你走完这 6 步并生成个性化安全报告。
匹配字段摘要、正文
Viggle AI 宣布世界基础模型 JST-2 已在三天前发布,支持文本、图像或视频输入,输出 3D 角色、动作和场景。官方同时汇总了发布以来社区用户用它做出的作品。
匹配字段摘要、正文
阿里云百炼 Token Plan 个人版最低 39 元/月对应 Lite 套餐(原价 60 元/月,限时优惠价 39 元/月),每月含 11,500 Credits,支持 1-2 个并发 Agent。该套餐覆盖文本生成、图像生成、视频生成、语音识别和实时语音对话等模型,额度按订阅月计算且不结转,用尽后可购买 100 元/月、含 20,000 Credits 的用量包(最多同时持有 5 个)。目前仅支持华北2(北京)地域。
匹配字段摘要
Peter Yang 称互联网正在遭受攻击,为此制作了一支应急视频,给出六步账号安全措施:断开不用的应用和智能体、使用 1Password 的 watchtower、用合适的应用开启双重认证、轮换或停用 API key、让 AI 更新软件包、不要轻信泄露通知邮件或电话。他还在视频简介中提供了一个提示词,可让 AI 审计上述各项。
匹配字段摘要、正文
配音是一段不见说话者的音频叠加在视频上,常用于旁白、角色内心独白、广告播报和教学讲解。它与配音表演、旁白、译制配音不同:配音表演由说话者扮演角色,译制配音则会替换原有音轨。借助 AI,用户可在家录制或生成定制声音,为影视、游戏、广告和培训视频制作配音。

匹配字段摘要、正文
Peter Yang 推出免费 AI 技能 /video-short,可将原始单人录制素材转成精修短视频,自动添加 B-roll、动态图形、字幕、AI 视频与音乐,并提供逐帧反馈的审阅页面。该技能可与常用 AI 智能体配合使用,已在 GitHub 免费开放。他给出的背景数据是:YouTube Shorts 日播放量达 2000 亿次,X 为发布短视频的创作者最高支付 5000 美元。
匹配字段摘要、正文
Raphael Memmesheimer 带领 NimbRo 队在 RoboCup 2026 的 RoboCup@Home 联赛中获得第 3 名,并凭论文《Efficient Image Annotation via Semi-Supervised Object Segmentation with Label Propagation》拿下最佳论文奖。该方法用半监督分割与标签传播,让约 60% 的数据自动标注,帮助机器人在仅有的两天准备期内快速学习最多 50 个未见过的物体。该方案已在 RoboCup 2025 巴西赛和 GermanOpen 上使用,今年世界杯还加入了用视频生成更多数据的改进版本。
匹配字段摘要
可灵 Kling AI 官方账号发布预告,配文“Hold on to your hat”并带上 #KlingAI #Kling4 标签,未披露具体功能或发布时间。所引用的 OpenArt 帖子称 Kling 4.0 已在其平台上线,支持用起始、中间和结束帧引导视频,最多使用 10 张参考图,并可用文本或帧生成及编辑视频。
可灵 Kling AI 官方账号发布预告,配文“Hold on to your hat”并带上 KlingAI Kling4 标签,未披露具体功能或发布时间。所引用的 OpenArt 帖子称 Kling 4.0 已在其平台上线,支持用起始、中间和结束帧引导视频,最多使用 10 张参考图,并可用文本或帧生成及编辑视频。
匹配字段摘要
印度信息广播部(MIB)10 月 21 日发布建议,要求私营卫星电视频道将 AI 及生成式 AI 的使用限制在“辅助性用途”,并把“虚拟新闻播报”列为需谨慎对待的场景,但未定义何为辅助性用途,也未说明是否涵盖 Aaj Tak、News18、Odisha TV 等频道使用的 AI 主播。该建议未要求频道对 AI 主播加注标识,也未引用《节目准则》的具体条款;MIB 下属的 Doordarshan 自身也在使用 AI 主播,并曾于今年 3 月向议会委员会表示希望扩大其使用。
匹配字段摘要
可灵 AI 宣布 Kling 4 已登陆 OiiOii。OiiOii 方面介绍,该版本支持最长 30 秒视频生成,具备电影级画质、精准运动与稳定场景,11 月 30 日前试用可享 25% 折扣。
匹配字段摘要
可灵宣布 Kling 4.0 已在 Adobe Firefly 中上线,用户可通过 Firefly 直接调用该视频生成模型。Adobe Firefly 同步发文称 Kling 4.0 现已可用,并给出试用链接。
匹配字段摘要
MiniMax 官方表示 M3.1 Flash 已上线 Runware,调用时使用模型串 "minimax:m3.1@flash"。据 Runware 介绍,该模型支持文本、图像和视频输入,上下文窗口 1M、最多 524K 输出 token,推理深度可调,在 Artificial Analysis Intelligence Index 上得 42 分,AutomationBench-AA 为 72.5%,DeepSWE 为 73.7%,单 token 价格低于 MiniMax M3。
匹配字段摘要
Hao AI Lab 宣布 FastVideo FastH3 Omni 可在 NVIDIA DGX Spark、RTX GPU 和 Apple MLX 上本地运行。用一张照片和一段提示词生成 5 秒 480p 视频约需 3 分钟,在两张 Spark 上约 2 分钟;FastH3 T2AV 在单张 Spark 上耗时 52.6 秒,两张 Spark 上为 30.7 秒。演示视频中的片段均由 DGX Spark 以 8 步 NVFP4 checkpoint 生成,并提供了博客、Cookbook 和 Hugging Face 链接。
匹配字段摘要、正文
OpenClaw 发帖对比:别人在终端里构建,OpenClaw 用户则在时间线里构建,并附上 Roboclaw 与 @vincent_koc 的构建视频及 Roboclaw 创建的 PR 链接。
OpenClaw 发帖对比:别人在终端里构建,OpenClaw 用户则在时间线里构建,并附上 Roboclaw 与 @vincent koc 的构建视频及 Roboclaw 创建的 PR 链接。
匹配字段摘要
Anthropic 开放 Claude Duet 研究预览,这是一款让 Claude 以主动型智能体方式工作的新应用,会主动提示需要关注的事项、完成用户交代的任务、在用户离开后继续工作,并在代为行动前先与用户确认。Peter Yang 称自己提前获得了访问权限,在视频中评价它是最主动的智能体,并分析 Artifacts 可能成为其关键优势,同时把它与 Grok Bot、Muse 和 Dots 做了对比。他表示 Duet 目前处于研究预览阶段,后续还会有较大改进。
匹配字段摘要、正文
宇树发布 H2-X Kung Fu Legend Guardian 人形机器人,宣称续航约 8 小时,接近标准版 H2 的 3 倍。作者指出该数字统计的是站立时间,尚不清楚巡逻、格斗或搬运能持续多久。标准版 H2 重 70kg、31 个关节,配备可换 0.97kWh 电池组,续航约 3 小时,售价 29,900 美元;发布视频中 H2-X 从 4 米平台跃下、踢穿废车场并击退持棍入侵者。作者认为早期买家更可能来自需要凌晨值守的场地和仓库,而非家庭。
匹配字段摘要、正文