EZ.AI Listen Daily
机器人推理新招：语言引导操纵原文
当大语言模型学会推理，人们首先想到的是解数学题、写代码。但这项能力能否延伸到物理世界，帮助机器人完成复杂操作？答案似乎正在被改写。一篇来自研究团队的最新工作，提出了一个名为R3的简单后训练方法，让现成的视觉语言模型（VLM）变身“机器人推理器”，用自然语言直接指导底层操纵策略。
过去，机器人学习大多依赖“指令-模仿”模式：给机器人看示范，让它照着做。但面对长时程任务——比如整理货架、打包杂货——机器人需要追踪进度、理解物体关系、从错误中恢复，还要驾驭充满噪声的低层策略。单纯模仿往往力不从心。R3的思路则截然不同：它让VLM先生成专家风格的推理轨迹，再用基于评分规则的强化学习离线优化推理器，最终让模型产生自由形式的语言推理，在测试时实时引导动作。
在Language Table和模拟双臂杂货打包这两个受控测试平台上，R3展现出显著优势。相比只靠指令模仿学习的基线，R3在未见任务上探索更充分、泛化更强，表现大幅领先。研究者的分析还暗示，自由形式的语言推理可以充当一种“测试时计算”机制，帮助低层策略避开歧义、做出更明智的决策。
这项研究的妙处在于，它没有重新设计复杂的网络结构，也没有依赖昂贵的真实机器人数据，而是巧妙地利用了VLM已有的知识和推理潜力。就像给机器人装上了一副“思考的眼镜”，在动手之前先想清楚步骤、预判困难。这或许预示着，语言不只是人与机器人的交流工具，更可能成为机器人自身规划与纠错的内部思维语言。未来，当机器人在厨房里从容地准备晚餐时，它的“内心独白”也许正是源于这样一段训练出来的推理能力。
想象一个机器人正在学习操控物体，它不仅要预测画面下一秒的变化，还要决定如何行动。世界动作模型正是将这两者融合，用视频动态作为表征学习的信号，让机器人在预测未来的同时学会操控。然而，这类模型的视频潜在表征主要服务于视觉预测，并未被明确鼓励去保留多视角间的几何结构，或是空间上局部的、与物体相关的语义信息。这就像一个人虽然能看懂画面，却对物体之间的空间关系和细节语义缺乏感知。
为了解决这一问题，研究者提出了GaussianWAM，一个在训练阶段增强表征的框架，巧妙地将几何与语义监督组织在一个三维高斯场中。具体来说，给定同步的多视角观测，冻结的几何和视觉基础模型会提供深度、相机参数以及密集语义特征。GaussianWAM将这些异构信号绑定到共享的高斯原语上，渲染出空间对齐的语义、深度和覆盖目标，再将这些目标蒸馏进世界动作模型当前观测的表征中。整个过程完成后，所有教师模型、高斯组件和辅助预测头都会被移除，留下的是原本的推理路径，无需增加任何额外模块或计算量。
实验数据令人印象深刻。在LIBERO-Plus基准上，GaussianWAM将FastWAM的性能从52.05%提升至71.29%，将Cosmos Policy从71.52%提升至77.30%。值得注意的是，仅仅直接蒸馏CLIP和VGGT特征，就已经能建立起69.37%的强基线，而通过高斯场的统一组织，成绩进一步提升到71.29%。这有力地证明了将异构教师信号进行空间组织的价值。此外，该方法在标准LIBERO上也带来了性能提升，并在RoboTwin和真实世界操控任务中展现出积极的迁移趋势。
这些结果指向一个务实的路径：在训练阶段通过三维高斯蒸馏注入几何与语义相关的监督，不必改变部署时的架构，就能显著增强世界动作模型的表征能力。或许，未来的机器人学习，正是在这种看不见的“场”中，悄然构建起对物理世界的更深理解。
想象一下，你每天上班都要重新摸索路线，哪怕已经走了上百遍。这正是当前许多智能体在规划动作时的真实写照：它们拥有强大的“世界模型”——一个能把图像像素转化为抽象潜在表征的编码器，但每次面对新的状态和目标，却仍要从零开始，反复迭代优化动作序列，把世界模型当作一个黑盒模拟器来“试错”。每重新规划一次，就要支付一次昂贵的迭代优化成本，过去积累的规划经验完全派不上用场。
那么，能不能在世界模型学会之后，把规划这件事本身也“摊销”掉？LeFlow给出了肯定的答案。它像一个聪明的老司机，在世界模型的潜在动力学空间中，学习了一个可复用的潜在轨迹先验。具体来说，LeFlow把规划重新定义为条件式潜在轨迹生成：一个修正流模型（rectified-flow model）在当前的潜状态和目标潜嵌入之间“想象”出一条未来的潜路径；接着，一个逆动力学解码器把这段潜路径上的动作变成连续的动作块；最后，被冻结的世界模型通过自回归滚动评估每个候选方案，就像考官一样严格把关。
在四个主流的以目标条件为驱动的像素控制基准测试中，LeFlow彻底告别了传统“动作空间里的迭代优化”，改用摊销式的潜规划加固定预算的滚动选择。结果令人印象深刻：成功率稳定提升，而规划时间却降低了一个数量级。这不仅是一次速度的胜利，更启示我们——潜在世界模型的价值不应止步于“预测未来”，它还能孕育出可复用的规划先验，让智能体真正学会如何高效地“思考下一步”。也许，通往通用智能体的路上，缺的不是更快的搜索，而是一个能“凭直觉”规划的大脑。
一场无声的攻防战正在数字世界的阴影中加速演变。台湾研究机构TeamT5在最新的报告中揭示了一个令人侧目的趋势：中国关联的黑客组织在将DeepSeek等开源AI模型纳入攻击工具包后，其发动的网络攻击次数比此前翻了一倍还多。
这些黑客组织为何偏偏选中DeepSeek？TeamT5首席分析师Charles Li给出了直白的答案：“DeepSeek是中国黑客的首选AI，因为它相对强大，且网络防护护栏极低。”在成本与安全约束的天平上，DeepSeek以低廉的价格和宽松的规则限制，成为了攻击者眼中的“趁手工具”。相比之下，像Kimi K3这样定价更高的模型，至今尚未在攻击活动中被研究人员捕获。
报告披露了这些黑客组织的具体作案手法：利用DeepSeek编写入侵代码，成功攻破一家台湾企业的电子邮件系统，并通过分析上千个IP地址来精准测绘攻击目标。这些案例表明，开源AI的赋能已不再是理论上的担忧，而是正在发生的现实威胁。
值得警惕的是，这场技术军备竞赛的节奏正在加快。英国AI安全研究所早在五月就发出警告：AI的网络攻击能力每隔几个月就会翻一番。如今，攻击次数的倍增似乎正在与AI能力的跃升同步发生。当人们的目光聚焦在顶级闭源模型如Mythos可能带来的风险时，那些便宜、可下载、防护更少的开源模型，或许才是更难解决的安全难题。
技术本身并无善恶，但它的易得性与低门槛，正在让网络世界的攻守平衡变得更加脆弱。当一把智能的钥匙可以轻易落入任何人之手，锁匠与盗贼之间的赛跑，恐怕才刚刚进入下半场。
在AI浪潮席卷全球的当下，许多企业选择直接租用现成的顶级模型，但法律信息与新闻业的百年巨头Thomson Reuters却走了一条截然不同的路。他们耗费两年时光、投入四千万美元，并非从零开始，而是巧妙借助了阿里巴巴开源的Qwen模型作为底座，用自家数十年的独家内容精心调教，最终训练出了第一个完全属于自己的AI模型。
这笔账看似惊人，却藏着精明的算盘。四千万美元，对普通公司而言是天价，但对这个长期依赖昂贵商业API的庞然大物来说，不过是相当于以往一年多的账单。更令人惊叹的是，最新一轮训练成本已骤降至45万美元，AI训练的门槛正在以前所未有的速度降低。内部基准测试显示，这个名为Thompson的模型在某些领域竟超越了Claude Opus 4.8、Gemini 3.1 Pro和GPT-5.5等明星产品——尽管目前还仅限于内部测试。
Thomson Reuters的首席技术官Joel Hron用一个精妙的比喻解释了为何要如此大费周章：租AI就像租房子，每月付了钱，却永远无法累积成属于你自己的资产。他们追求的是那种能随时间复利增值的"权益"。这个选择背后，是一场关于AI时代核心资产的深层思考：当你的知识库本身就是最稀缺的资源，为什么还要把钥匙永远交给别人？
目前，这个模型仅覆盖了公司全部内容库的不到10%，研究用的开放权重版本也已计划发布。这或许只是一个开始，但它向所有拥有深厚内容积累的企业发出了一声意味深长的叩问：当训练成本日益亲民，强大的开源底座触手可及，是继续为别人的房子付租金，还是咬紧牙关，盖一栋真正属于自己的楼？答案，也许正在改写AI应用的商业逻辑。
2025年，当人们还在为地面AI数据中心的耗电量和散热问题争论不休时，SpaceX突然投下了一枚重磅炸弹——它宣布将基于英伟达最新的Vera Rubin NVL72机架系统，打造名为"Starmind"的太空数据中心，并计划在明年第四季度将一台瘦身版的系统送入轨道。
这套系统有多强悍？每个机架集成了72颗芯片，它们协同工作，相当于一台巨型计算机。英伟达方面表示，单颗芯片的算力是上一代H100的25倍。更令人惊讶的是，马斯克透露，太空版本经过特殊改造，比地面常规硬件"更简单、成本更低、密度更高、重量更轻"，同时还针对太空中严酷的辐射和散热环境做了专门优化。
马斯克一直称Vera Rubin是"最好的AI计算机"，而SpaceX据称将把从Grok大模型到轨道舰队管理的全部计算任务，都押注在英伟达的这套系统上。这意味着，未来的太空探索和AI训练，可能都在太空完成。
当然，成本是个绕不开的话题。分析师估算，目前轨道计算的价格是地面计算的4倍以上。但马斯克却信心满满，他认为这个差距会在未来几年内逆转，太空计算将变得比地面更便宜。
有意思的是，今年早些时候，OpenAI的首席执行官萨姆·奥尔特曼还曾公开吐槽太空数据中心"荒谬可笑"。但现在，随着SpaceX等公司加速推进，这个曾被嘲笑的设想正在快速变成现实。地面AI基础设施的建设正遭遇前所未有的批评和瓶颈，从能源消耗到环境争议，负面声音越来越多。对那些希望继续推动AI规模扩张的人来说，轨道解决方案来得再及时不过了。
当人类把最先进的算力送上星空，AI的边界也随之拓展。或许有一天，我们抬头仰望时，那些闪烁的"星辰"中，就有AI在默默思考。而这场关于算力、成本与未来的竞赛，才刚刚拉开序幕。
当AI代理还在云端争抢算力时，一场关于“隐私与成本”的变革正在悄悄落地。Perplexity与英伟达刚刚联合发布了一款名为Portable Computer的新设备端AI代理，它不再依赖云端，而是直接把AI工作装进你的硬件里。这意味着，你的文件、对话和任务处理都能留在本地，彻底告别上传服务器的担忧。
这套系统最吸引人的地方在于灵活性：用户既可以选择开源的Qwen 3.8 27B模型，也可以使用Perplexity自家的PPLX 27B模型，两者都能在本地流畅运行。如果遇到更复杂的任务，系统还能调用超过15种云端模型作为后备，但每次调用都必须经过你的批准。换句话说，你的数据大门只有你自己能打开。
更让人心动的是，所有本地处理都不消耗任何积分，还能与主流应用无缝连接。安装过程也极其简单，只需一次点击，就能在英伟达售价4699美元的DGX Spark桌面级“超级电脑”上运行。虽然目前仅限于这台高端设备，但官方透露，未来部分PC也能加入支持行列。
这款产品的出现，正值一个微妙的节点。就在发布前几天，有消息称英伟达正与Perplexity洽谈新一轮投资，金额高达数十亿美元，估值超过300亿。这桩合作显然不只是技术层面的联动，更是双方在AI布局上的一次深度绑定。
此前，Perplexity已经通过Personal Computer把AI代理带到了Mac上，但Portable Computer的意义在于，它把真正的AI计算从云端搬到了本地硬件上。随着小而精的开源模型不断进化，云端大模型或许会从日常主角变成偶尔救场的备胎。这既是一次隐私的胜利，也是一次成本的解放——AI的未来，或许不在遥远的服务器机房，而在你桌面上那台安静运转的机器里。当数据不再需要远行，当计算不再依赖云端，个人AI的边界正在悄悄改写。
想象一个智能体要完成一项漫长的任务，就像一位厨师准备一顿几十道菜的晚宴。随着时间推移，每一道菜的做法、火候和调味都成了记忆中的一部分，但如果每次做新菜都要翻遍所有历史记录，效率会急剧下降，甚至会忘记当下做到哪一步。这正是人工智能在长时程任务中面临的困境——历史信息越积越多，任务状态被淹没，技能调用也变得错位。
Recuris架构提出了一种全新的解决方案：将记忆分为“工作记忆”和“经验记忆”。工作记忆像一张临时便签，实时追踪任务进度，并据此从经验记忆中挑选最合适的技能；经验记忆则像一本不断更新的菜谱，存储着经过验证的操作技巧。这种耦合设计让智能体不再需要翻阅全部历史，而是聚焦当前需求，同时把执行过程转化为结构化证据，一旦出错，能快速定位到是哪个记忆环节出了问题。
更巧妙的是，Recuris构建了一个有边界限制的递归记忆进化循环：一个固定的元智能体（Meta-Agent）分析执行中产生的证据，对技能记忆进行局部、经过验证的更新，这些更新又重塑后续执行，产生新的证据，如此循环往复。整个系统不是无限膨胀，而是保持在一个可控的范围内持续优化。
在四个长时程基准测试和十个模型的实验中，Recuris在37个完成的模型-基准组合中提升了其中35个任务的成功率，将前沿模型推向了新的高度。例如，在tau-bench上，它为GPT-5.6 Sol增加了17.8个百分点，为Claude Opus 5增加了15.6个百分点，将Opus 5的成功率提升至87.9%；在SkillFlow上，Qwen3.6-27B和35B分别提升了16.6和13.5个百分点。随着任务交互时长的增加，优势更加明显——在最长任务上，Recuris带来了32.2个百分点的提升，常见的长时程失败率下降了最多80%。
这些数字背后是一个更深刻的启示：当智能体能够将积累的经验不断转化为更高效的长时程行为时，递归自我改进就不再是空中楼阁。它意味着，AI的成长不必依赖无穷无尽的扩展，而是可以通过精炼记忆、聚焦当前、循环验证，在既有的历史中不断汲取力量。真正的进步，往往不是记住更多，而是学会如何忘记那些不再重要的，并让每一次经验都成为下一次行动的阶梯。
在人工智能的世界模型训练中，海量视频数据是宝贵的燃料，而互联网上丰富的游戏实况视频，因其多样的环境和复杂的交互，成为极具潜力的训练来源。然而，一个隐藏的障碍始终存在：游戏画面中密密麻麻的界面元素——血条、地图、技能栏——这些屏幕上的“杂质”与游戏世界本身纠缠在一起，引入了与物理规律无关的噪声，严重干扰了模型对真实动态的学习。
为了攻克这一难题，研究团队提出了一个名为GameUI-Taxonomy的分类体系，并构建了一套名为G2WEngine的全栈工具链。这套工具的精妙之处在于，它能自动从真实游戏视频中提取可复用的UI组件，并将其合成到干净的画面上，生成时间上连贯的UI叠加层。基于这个引擎，团队构建了名为Game2World的大规模数据集，其中包含9.6万段合成的成对视频，并提供了精确的重建目标；同时还包括来自303款游戏的1079段真实场景视频，用于评估模型在复杂环境下的表现。数据集的资产库则收录了从1010个代表性游戏画面中提取的5132个经过验证的UI元素，覆盖了21个分类类别。
在此基础上，团队推出了GameCleaner——一个无需掩码的游戏界面去除模型。与依赖分割掩码的传统方法不同，GameCleaner结合了多模态语义理解与视频编辑能力，能够直接识别并移除各类HUD元素，同时保留底层场景内容和时间动态。在受控试验中，使用去除UI后的视频训练世界模型，整体VideoReward评分比使用原始带UI视频训练的模型提升了6.83%。在专门的界面去除评测中，GameCleaner在合成视频上的平均AAR（准确率）达到95.36，比最强的时间掩码基线高出57.3%；在真实视频上则取得了80.05的最佳AAR，同时保持了99.8%的背景完整性。
这些数字背后，是研究团队对“如何将互联网上海量游戏视频转化为高质量世界模型训练数据”这一规模化路径的有力探索。当游戏世界的边界被清理干净，模型看到的不再是混乱的符号叠加，而是背后那个连续、可预测的物理空间。或许，这正是迈向更强世界模型的关键一步——先学会忽略无关的干扰，才能看见真正的本质。
在智能体决策的幕后，世界模型正悄然成为越来越重要的角色。它被用来当“学习模拟器”，替AI在想象中预演未来，从而评估和改进策略。然而这一切都建立在一个未被验证的假设之上：模型对未来场景的预测，真的能忠实反映任意给定的动作吗？现实中，绝大多数评测只覆盖专家示范，一旦动作偏离常规，模型能否跟得上，至今是一笔糊涂账。
为了填补这一空白，研究者提出了WorldEcho。它把测试范围扩大到了更广阔的动作分布，并借助视觉完整性和SE(3)轨迹对齐这两把“尺子”，细致衡量世界模型对动作的响应能力。诊断结果引人深思：面对专家的动作，当前世界模型还算可靠，而一旦遇到五花八门的非专家轨迹，它们就明显露怯——要么对指令动作视而不见，要么干脆生成视觉上乱七八糟的未来帧。这样的模型，作为通用模拟器的可信度难免让人捏一把汗。
为了让世界模型真正“听懂”动作指令，研究者进一步提出WorldSync，在三个互补方向上协同发力。首先是分布覆盖：拓宽训练样本中动作后果的分布范围，让模型“见多识广”；其次是表征基础：借助一个被称为Action-Forcing Expert的机制，将中间视频表征锚定于由动作引发的真实机器人动力学上；最后是干预效果对齐：确保在动作干预下，模型预测产生的变化与真实未来中观测到的变化保持一致。三条路径相互补充，如同为世界模型装上了更敏锐的“耳朵”、更踏实的“根基”和更精准的“因果扳机”。
在RoboTwin基准测试以及真实机器人任务中，WorldSync带来了令人振奋的结果：它显著提升了WorldEcho的各项评估指标，也让世界模型成为迭代策略改进中更可靠的“陪练”。最终，智能体在真实任务中实现了更高的成功率。
这项研究提醒我们，衡量模拟器好坏的标尺其实就藏在对动作的“忠诚”里。对未来的世界模型而言，看得见未来固然重要，更关键的是，别歪曲那通向未来的每一步指令。唯有既能听清、又能跟紧每一个动作，模拟世界里的千里之行，方能始于足下、抵达彼岸。
在语言模型预训练的迷宫中，研究者们长期被一个现象困扰：学习率与参数范数，这两个看似独立的旋钮，究竟如何共同操控损失曲线的起伏？一篇新研究揭开了其中的深层机制——两者并不各自为政，而是通过它们的比值，即“有效学习率”（ELR），联袂主导一切。
故事始于一个大胆的实验：当研究者将不同的学习率和参数范数组合，却刻意让它们的比值保持一致时，奇迹发生了。原本分道扬镳的损失轨迹，竟在整个训练过程中高度重合，仿佛被同一只手牵引。即使个别运行采用截然不同的学习率和参数范数，只要ELR相同，损失曲线便如孪生兄弟般并肩前行。这种“ELR坍缩”（ELR collapse）现象并非偶然，而是在多种优化器、模型架构、数据集和模型规模下反复上演。平均坍缩误差通常仅有10的负三次方量级，甚至低于同一配置下不同随机种子之间的自然波动。换句话说，ELR的预测力比随机性本身还要精确。
研究者进一步通过系统性消融实验，锁定了影响坍缩精度的两个关键因素：归一化设计，以及学习率与范数变化的时间尺度。这意味着，并不是所有设置都能完美体现ELR的作用，某些设计会让轨迹略显松散，但核心规律依然清晰。更有趣的是，当研究者主动施加权重衰减或调整参数范数约束时，他们发现这些干预手段并非直接重塑损失曲线，而是通过改变ELR的调度来间接发力。这就像调音师并不直接拨动每根琴弦，而是调整整个乐团的指挥棒节奏。
这一洞察催生了实用工具：用ELR替代传统学习率，可以让一个拟合好的函数缩放律（FSL）在不同范数控制方法之间自由迁移。原本需要分别校准的经验公式，如今有了统一的坐标轴。ELR还解释了一个长期困扰学界的怪象——延迟加速（delayed acceleration），即参数范数控制有时会推迟损失下降的加速节点。在ELR的透镜下，这不过是调度曲线形态的必然结果。
这场发现将学习率调度、参数范数控制和损失动态串联成一幅自洽图景。它提醒我们，高维优化中看似独立的旋钮，可能只是同一个底层变量的不同投影。当你找到那个真正的公共坐标，许多混沌的表象便会自然归位。对于大模型预训练的实践者而言，ELR或许是那把尚未被广泛握住的钥匙。
在大语言模型的后训练阶段，两种范式逐渐占据主流：一种是基于可验证奖励的强化学习，它用任务级别的成败信号来引导模型；另一种是同策略蒸馏，它提供密集的逐词指导，却对生成轨迹的对错浑然不觉，最终只能逼近教师模型的水平。聪明的做法是把两者结合起来，让蒸馏提供细粒度监督，让强化学习提供任务正确性。但现有的融合方式往往依赖加权或启发式切换，引入一堆额外超参数和权衡。
一项新研究提出了OPDVR，即“带可验证奖励的同策略蒸馏”。它先根据轨迹正确性重新定义采样词元蒸馏的隐式奖励，再用一个ReLU门控机制，让正确的轨迹获得非负奖励，错误的轨迹获得非正奖励。这样一来，蒸馏信号既与任务成功对齐，又保留了教师模型的分布指导。更妙的是，这个改动把采样词元蒸馏变成了一种真正的可验证奖励强化学习方法，可以直接搭配任何策略梯度算法，比如GRPO。在六个推理基准上，OPDVR始终优于标准同策略蒸馏，而无需增加任何超参数。
这项工作的意义在于，它不止提供了一种更优的训练方案，还展示了一个思路：将两种看似互补的信号，通过巧妙的奖励重塑，消除调参负担，让模型在推理时既听得进老师的话，也看得清对错的路。当稀疏的任务级反馈和密集的标记级指导不再互相妥协，后训练的天平或许能真正实现双赢。代码已经开源，等待着更多探索者去拨动下一个齿轮。
当AI代理还忙着把数据送上云端时，Perplexity和英伟达悄悄换了个方向——把AI的工作搬到你的电脑上。他们刚刚推出了名为Portable Computer的本地设备端代理，承诺文件私密、无需联网，还能在英伟达的DGX Spark消费级硬件上免费运行。
这枚"便携电脑"并不像名字听起来那样是个硬件，而是一个可以装在本地的人工智能代理。用户可以选择Qwen 3.8 27B或Perplexity自家的PPLX 27B作为本地模型，遇到复杂任务时，也能按需调用超过15种云端模型——不过每一次云端请求都需要用户点头同意，本地的运算则完全不消耗任何积分。
安装方式简单得惊人：在售价4699美元的英伟达DGX Spark桌面超级计算机上，一键即可完成。未来，部分普通PC也能运行它。英伟达与Perplexity的关系显然不止于此——就在发布前几天，有消息称英伟达正洽谈以超过300亿美元的估值，向Perplexity投资数十亿美元。
Perplexity此前已经把代理带到了Mac上，名为Personal Computer，但Portable真正让AI的算力从云端下沉到硬件本身。这是一次关于隐私与成本的豪赌：当小型开源模型越来越强，前沿大模型或许会退居二线，从默认选项变成偶尔动用的备用工具。
本地AI的种子已经种下，未来你还会把每个问题都交给云端吗？
在人工智能竞相追逐“下一个词”的时代，加州理工学院教授阿尼玛·阿南德库马尔和工程师贝内迪克特·耶尼克却选择了一条截然不同的路。他们刚刚创立了初创公司Accelerated Understanding，目标是训练AI预测物理世界如何演变，而不是预测下一个单词是什么。
这两位研究者原本可以拿到杰夫·贝索斯旗下人工智能公司Prometheus的高管职位，以及35%的公司股份——那意味着来自全球最富有者的巨额财富。但他们拒绝了。这个决定后来显得更加惊人：Prometheus已经筹集了120亿美元，追逐着类似的目标。放弃如此可观的一笔股份，背后是他们对技术路线的坚定信念。
他们的AI模型没有沿用传统的Transformer架构，而是基于“神经算子”设计。这是一种基于物理学的方案，能够在三维空间和时间中追踪事件的演变，而非像大语言模型那样仅处理文本序列。在一项测试中，他们的模型单次运行处理了5万亿个数据点，大约是谷歌和Anthropic顶尖模型处理量的500万倍——这个差距令人咋舌。
Accelerated Understanding目前瞄准的商业方向包括芯片材料研发、极端天气预测和机器人技术。与许多押注于消费者端大模型的AI公司不同，他们更专注于企业级应用。在他们看来，物理AI竞赛正在升温，多个实验室都押注“世界模型”，但阿南德库马尔和耶尼克认为，真正的答案不是文本或视频，而是物理学本身。
放弃贝索斯的橄榄枝，押注一种完全不同的AI范式，并且用惊人的数据规模证明其潜力——这不仅是技术选择，更是一场豪赌。当大多数AI公司都在教机器读懂语言时，他们选择教会机器理解世界运行的基本法则。也许，预测飓风比预测一个句子更具价值，而他们正用行动证明这一点。
在大规模机器人控制领域，世界动作模型（WAMs）通过预测环境未来变化来提升操控能力，但一个现实瓶颈是：测试时生成未来观测会带来高昂的计算延迟。为了追求效率，研究者提出了Fast-WAM，它直接跳过未来预测环节。然而，在公平对齐实现条件下，Fast-WAM的泛化能力却明显逊色于那些“预知未来”的模型，尤其在机器人演示数据稀缺和分布外场景下，差距进一步拉大。
为了兼顾效率与泛化，一种名为LAWA的新架构应运而生。它的核心思路是：不再生成完整的未来图像，而是用紧凑的潜在动作作为“未来意图”的压缩表征。打个比方，LAWA学会了用一组简练的内心草稿预演未来，而不必在脑中播放完整电影。具体而言，LAWA先通过无需动作标签的预训练增强一个离散分词器，生成面向操控任务的码本目标；在训练时，它联合去噪一个锚定到这些目标的连续潜在状态，同时输出可执行的动作块，而在推理阶段彻底抛弃未来视频分支。
在RoboCasa基准上，LAWA展现出了亮眼成绩：少样本设置下平均成功率达到65.6%，全量数据设置下达到80.8%，分别比匹配的Fast-WAM基线高出9.6和4.5个百分点。同时，它保持了与联合式WAM（Joint-WAM）相当的性能水平，却将推理延迟降低了42.9%。在LIBERO-Plus上，LAWA展示了具有竞争力的零样本鲁棒性，在真实世界任务中也表现更优。
这一系列结果传递出一个重要信息：对未来的想象并非可有可无的累赘。只要找到合适的轻量表征方式，我们既能留住“预测未来”带来的泛化优势，又能满足实时控制对速度的苛刻需求。LAWA用紧凑的潜在动作重新定义了“远见”的成本，让机器人既能抬头看路，也能脚下生风。在迈向通用具身智能的路上，这种权衡或许不是权宜之计，而是一种更本质的智慧。
在生成式模型的竞技场上，如何让扩散模型不仅画得美，更画得“对”？传统方法往往只给出最终奖励——一张好图或一个高分，却说不清每一步去噪过程该往哪个方向调整。这就像教练只告诉运动员“你赢了”或“你输了”，却不指出每个动作如何改进。
如今，一项名为DiffusionOPSD的新框架打破了这种模糊。它把图像级别的奖励信号，转化成了每一步清晰可见的训练目标。研究人员设计了一个“行为策略”作为教练，冻结不动，负责生成轨迹并提供参考锚点。奖励梯度在锚点周围构建出有界的正负目标，而可训练的学生模型则努力拟合这些目标。每完成一轮有限步的拟合，指数移动平均更新就会刷新教练，让指导标准始终与时俱进。
这种设计带来的直接好处是：目标构建和实际训练效果可以被分别测量。有意思的是，同一查询下的对照实验揭示了一个反直觉现象——更大的目标构建增益，并不一定在一次拟合更新后转化为更大的实际收益。这种“知行不一”的发现，为后续优化打开了新的思考空间。
在实战检验中，DiffusionOPSD展现了惊人实力。在SD 3.5-M和经过步蒸馏的Z-Image-Turbo两个模型上，覆盖十个评估器的二十种奖励匹配设置里，它拿下了十九项最高分。相比最强竞品，其领先幅度最高达44.0%；训练所需的GPU时间也比DiffusionNFT大幅缩减——SD 3.5-M上节省40%，Z-Image-Turbo上节省63%。
效率与效果兼得，让这种“在线自我蒸馏”方法显得尤为亮眼。它把模糊的终极目标拆解成明确、可更新、可诊断的过程督导，让扩散模型的后训练不再是一趟黑箱旅程。当每一步都有了可循的方向，生成的每一张图像便更接近人类真正想要的答案。这或许预示着，在追求对齐的道路上，我们不仅需要更强的模型，更需要更清晰的教学方式。
在人工智能研究的世界里，数据如同燃料，而高质量、大规模的数据集往往决定模型的性能上限。如今，一个名为LAION-BVD的开放视频数据集横空出世，它以前所未有的规模，为多模态学习注入了新的活力。
这个数据集的起点，是CommonCrawl网络档案中挖掘出的13亿条平台专属视频链接。研究团队没有止步于链接清单，而是实际下载了其中8000万个视频，累计时长达到惊人的1000万小时。这一规模，让LAION-BVD成为目前最大的开放多模态视频数据集之一。
数据集的设计初衷，是为视频、音频和图像三种模态的预训练提供支持。研究团队采用内容感知的场景检测技术，将长视频切分为更精细的片段，并为每个片段自动生成对应的视频描述和音频描述。这种合成字幕的方式，避免了人工标注的巨额成本，也让数据规模得以迅速扩张。
实验结果显示，基于该数据集训练的模型，在标准的视频-文本和音频-文本基准测试中表现出极具竞争力的成绩，并且随着训练数据量或模型参数的增大，性能持续稳步提升。这意味着该数据集不仅体量庞大，而且具备良好的扩展性。
更有趣的是，研究团队还探索了视频帧的“跨界”价值——通过提取场景变化的关键帧，构建出另一组图像-文本数据。这些帧所呈现的视觉分布，与常规网络图片语料有明显差异，这为图像-文本检索模型提供了独特的训练素材。在该数据集上训练的模型，同样展现出了强大的图像-文本检索性能。
如今，LAION-BVD已向全球研究社区开放。它的意义，不仅在于提供了海量视频数据，更在于开拓了多模态学习的多种可能性——从视频到音频，从场景帧到图像检索，每一个维度都蕴藏着值得深挖的研究方向。当数据的大门不再紧锁，智能的边界也将不断拓宽。在通往通用人工智能的道路上，这样一块坚实而开放的路石，或许正是未来突破的起点。
从一张静态图片出发，机器要预测未来几秒的物体运动，靠的是隐藏在神经网络深处的一种“世界模型”。传统方法会把观察到的信息编码成稠密向量，像一张满是刻度的地图，每个角落都写着细节。但最新的研究却提出了逆向思考——如果地图换成一连串稀疏的坐标点，只标记关键地标，预测未来会不会更容易？
这项研究聚焦于联合嵌入预测架构（JEPA），一种通过预测潜在动态来规划行动的自监督模型。它的核心难点在于防止表征坍缩，即不同输入最终被映射到同一个无意义的点。此前常见做法是将特征对齐到最大熵分布，比如各向同性高斯分布，从而得到稠密表征。然而，新的问题浮出水面：稠密表征真的最适合建模动态吗？如果换成稀疏表征，因果动态会不会变得更清晰？
研究者的理论给出了肯定答案。他们证明，在足够高维的one-hot潜空间里，任何非线性Lipschitz动态都可以被动作条件线性动态无限精确地逼近，随着维度增长，展开误差逐渐消失。简而言之，极端的稀疏编码——每个状态激活一个维度——能让复杂的非线性变化“降维”成简单的线性规则。但one-hot编码过于苛刻，现实中没有哪个网络能轻松做到，于是研究者提出了一个更实用的松弛方案——分布式稀疏表征。
为此，他们构建了LpWorldModel这一新模型，用修正分布匹配正则化（RDMReg）把编码器输出引导到修正广义高斯分布上，从而产生非负稀疏编码。听起来很技术，但实验结果非常直观：稀疏表征大幅降低了对预测器复杂度的要求。在PushT任务上，中间容量预测器条件下，稀疏LpWM比稠密基线LeWM的规划成功率最高提升了57%，而且这个优势在不同预测器家族中都成立，甚至超越了稠密的VICReg表征。
更有趣的是，稀疏表征天然地展现出一种“模式分解”的结构。它的支撑集编码了离散的动态模式，好比把场景划分为“向左移动”和“静止不动”的选项；而特征数值则连续刻画了模式内部的具体状态，比如运动的幅度和方向。这样，模型不再是黑箱预测，而是把未来拆分成了可解释的模式和连续变量。
研究者总结，稀疏表征能减少控制所需的预测器复杂度，同时揭开可解释的潜在动态结构。这项探索也提醒我们，表征的几何形状并不只是数学细节——如果方法得当、学习空间足够高维，稀疏可能比稠密更接近构建智能预测世界的捷径。每个维度都是一根细小火柴，而它点燃的，可能是未来规划与决策的更清晰的路径。
想象一下，给人工智能一段视频，然后问它一个需要“额外知识”才能回答的问题——比如视频里那个一闪而过的建筑是什么风格？背景音乐出自哪部作品？传统模型往往束手无策，因为它们要么只盯着画面，要么只依赖内部记忆，无法在看视频的同时主动查阅资料。如今，一个名为VideoRover的新框架试图打破这一僵局。
它的核心思路很巧妙：把两种本应协同的能力——主动感知和深度研究——真正融合起来。过去，“边看边想”让模型能对视频进行时间维度的主动定位，找到关键瞬间；而“深度研究”则让模型在互联网上多步搜索、浏览网页获取信息。但这两者通常各自为政。VideoRover却让它们像齿轮一样咬合转动：给定一段视频和一个问题，它会循环执行三个动作——裁剪视频片段、进行多模态搜索、浏览网页。每一步的结果都成为下一步决策的依据：局部视频片段指导外部检索，而检索到的证据又反过来触发对视频的进一步检查与验证。这种迭代回路，让模型不再“盲人摸象”。
为了训练这样的能力，研究团队搭建了一条全自动数据流水线，生成了2.6万条经过验证的监督微调轨迹，以及3千条高难度的强化学习实例。他们还推出了专门的基准测试VideoRover-Bench，按视频时长和研究难度分层设计，用来衡量模型在不同复杂度下的表现。
实验结果显示，VideoRover-8B-RL在直接回答（不借助工具）的设定下，性能可与专有模型一较高下；而在配备相同工具套件时，它明显超越了更大的开源模型。消融实验和训练动态分析进一步确认，主动视频定位、外部检索以及长程强化学习三者缺一不可，它们各自承担着互补的角色。
这项研究的启示在于：开放世界的视频理解，或许不该指望模型“记住一切”或“看遍一切”，而是让它学会何时该细看、何时该查阅、怎样把两种信息串联成答案。当视频不再只是被观看，而是被“研究”，人工智能对世界的理解，便向前迈出了一小步。
在大语言模型的强化学习训练中，一个长期存在的难题是：如何稳定地利用评论家模型来估计每一步的奖励？传统方法如GRPO，为了绕开评论家，需要为每个提示采样多个回答，再通过组内相对比较来计算优势。这虽有效，却意味着巨大的采样成本。另一条路是训练一个评论家，让它从单个回答中直接估算优势值，但这套方法一直以不稳定而闻名。
这项研究并没有直接放弃评论家，而是深入剖析了其不稳定的根源，并在此基础上构建了一套名为BPCO的最佳实践配方。研究团队将DPPO算法、约束在奖励范围内的价值预测、蒙特卡洛价值目标、未归一化的策略优势，以及长度自适应的广义优势估计巧妙地组合在一起。更妙的是，由于评论家只在训练时存在，它能够“看到”策略模型无法接触的秘密信息——例如标准答案或评分细则，从而为学习过程提供更精准的引导。
为了验证每一个设计决策的价值，研究团队进行了精细的对照实验。从15亿参数的模型到300亿参数、激活30亿的混合专家模型，在多个数学推理任务上，BPCO相比强基线评论家方法取得了稳定提升，并在每个提示仅采样一个回答的情况下，达到甚至超过了依赖多采样的组相对优势方法。即使是基于评分的奖励，BPCO同样表现出色。
这项研究的有趣之处在于，它证明了一个精心设计的评论家，完全可以成为组相对优势估计的可靠替代方案。当别人需要成群结队的样本才能摸索出方向时，一个被调教得当的向导已足够独自领路。这或许提醒我们，在追求高性价比的AI训练道路上，深挖已有组件的潜力，有时比不断堆叠资源更具巧思。代码已公开，等待更多研究者来续写这个故事。
今年八月三十日，一颗耗资约四十三亿美元的太空之眼将从肯尼迪航天中心启程，搭乘SpaceX猎鹰重型火箭奔赴深空。它的名字叫南希·格蕾丝·罗曼太空望远镜，NASA以这位“哈勃之母”命名，寄托着下一代天文革命的厚望。如果说詹姆斯·韦布望远镜是天文界的“变焦镜头”，能窥见宇宙尽头最细微的光，那么罗曼望远镜就是一台“超广角相机”——它拥有与哈勃旗鼓相当的清晰度，视野却比哈勃大至少一百倍。同样一片天空，哈勃要一寸一寸地看，罗曼却能以快一千倍的速度横扫而过。
它要去看什么？首先是行星。罗曼预计能发现约十万颗凌星行星，还有一千多颗通过微引力透镜捕捉到的系外世界，那些寒冷、遥远、甚至无家可归的流浪行星，都可能被它一一收入眼底。它还要绘制超过十亿个星系的分布图，连起星系之间看不见的暗物质蛛网，同时追踪数万颗超新星爆发的踪迹。
这趟旅程的时间点耐人寻味。近年来，暗能量可能随时间变化的蛛丝马迹，与宇宙膨胀速率测量的冲突相互交织，成了当代宇宙学最大的谜题。罗曼望远镜的广域观测能力，恰好有望为这些争论提供规模空前的数据。它不追求单颗恒星的精致特写，而是要让罕见的天文现象变成海量的统计样本，把一扇窄窗推开成整片天空。
当罗曼望远镜在轨道上睁开眼睛，人类或许会第一次看清暗物质如何编织宇宙的骨架，也或许会在那些数据里找到改写教科书的新线索。每一次望向深空，都是在问同一件事：我们身处的这个宇宙，究竟藏着多少尚未言说的秘密？而罗曼，正准备给出它的回答。
曾经估值逼近千亿美元的快时尚巨头Shein，如今终于走向公开市场，却不得不接受一个残酷的现实：它的估值已经缩水到270亿美元，相比2022年巅峰时期的982亿美元，跌去了超过七成。这趟IPO之旅，像是一场从云端坠落的重力加速度。
Shein计划在香港上市，发行2.8亿股，发行价区间定在每股47.60至49.50港元，最高募资约17.7亿美元，预计9月1日开始交易。这个数字与三年前近千亿的估值相比，形成了刺眼的落差。曾经追捧它的投资者，如今要面对一个增速放缓、利润下滑、竞争加剧的“新”Shein。
故事要从几年前的疯狂说起。2022年，Shein凭借极致低价和社交媒体的病毒式传播，估值一度冲到982亿美元，成为全球最值钱的独角兽之一。然而热潮退去，现实接踵而来：增长放缓至仅1.1%，营业利润同比下降26%，美国取消了针对低价值包裹的关税豁免，让Shein赖以生存的“小额免税直邮”模式成本陡增，而拼多多旗下的Temu又成了它最凶猛的对手。三重打击之下，Shein的估值故事再也讲不回从前。
更值得玩味的是，当年以高估值入场的投资者们留了一手。Shein与这些股东签订了反稀释保护条款：如果IPO估值低于特定水平，公司需要补偿差额。如今，这一条款被触发，Shein需要向这些早期投资者支付最高35亿美元，几乎是本次IPO募资额的两倍。换句话说，这次上市的钱，还不够填上估值缩水带来的“赔偿坑”。为了给上市保驾护航，包括博裕资本、老虎环球和腾讯在内的机构承诺认购约3.83亿美元的股份，而Shein表示，募资所得约80%将用于技术和全球品牌建设。
这不仅仅是一次IPO，更是一次现实检验。过去，市场为Shein的“超高速增长”买单，相信它可以用疯狂扩张掩盖一切问题。但当增速神话破灭，公开市场的投资者开始追问：剥离了高增长光环，Shein的本质到底是什么？一家依赖低价、供应链效率和流量红利的电商公司，在面对关税壁垒、同质化竞争和日趋理性的资本市场时，它的真实价值有多大？这或许是所有“神话”公司最终都要面临的一课：潮水退去时，才知道谁在裸泳。而Shein的上市，正是这一课最生动的注脚。
一只小小的戒指，正在撬动健康科技领域的一桩大事。以睡眠追踪起家的Oura，据报道正筹备最早于九月登陆资本市场，目标募资高达30亿美元，估值有望突破160亿美元。这意味着一款曾经被视为小众的睡眠追踪设备，即将成为今年最受关注的消费健康IPO之一。
故事的起点并不复杂。Oura目前拥有900名员工，去年融资超过9亿美元，估值从2024年底的52亿美元翻倍至约110亿美元。而如今，新一轮上市传闻将这一数字再度推高。更令人瞩目的是其商业模式的加速运转：付费会员数量在两年内翻了四倍，本季度预计突破500万，且一年后续费率超过80%。这意味着用户不只是买一枚戒指，而是愿意长期为健康数据买单。
今年五月，Oura推出了更纤薄的Ring 5，搭载预测性健康软件，并高调进军女性健康、代谢追踪、AI健康教练以及医疗合作领域。这已远远超出最初“睡眠追踪器”的定位，而是一个完整健康数据平台的雏形。
资本市场对此类设备的热情正持续升温。今年三月，另一家可穿戴健康公司Whoop在加入激素和血液检测功能后，估值达到100亿美元。投资者越来越倾向于将这类设备视为个人健康平台，而非单纯的健身玩具。
Oura的上市计划，不仅是公司自身的里程碑，更预示着整个可穿戴健康行业正在经历定位的转变。从追踪睡眠，到预测疾病，再到连接医疗服务，一枚戒指的边界正被不断拓宽。
健康，正在从一次性的体检报告，变成指尖上持续跳动的数据流。而这场关于身体数据化的想象，或许才刚刚开始。
沉寂近两年后，苹果终于为Mac mini换上了新装。这一次，它没有把宝押在传统的性能数字上，而是把全部火力对准了一个意想不到的战场：让AI真正跑在你的桌面上，而不是云端。
新发布的Mac mini搭载了苹果首款2nm工艺的M6芯片，以及更强大的M5 Pro版本。起售价899美元，预购即刻开启，9月22日发货。苹果宣称，M6机型运行AI工作负载的速度最高提升4倍，而高配版本甚至能在本地完整运行更大的AI模型——无需联网，数据不出设备。
这并非一次简单的例行升级。过去两年里，Mac mini悄然成为开发者圈子的“隐藏神器”。它体型小巧，却凭借统一内存架构，让CPU和GPU共享高达64GB的内存池，使得在本地运行大模型成为可能。开发者们用它来跑AI推理、微调模型，避免每次都将任务交给云端，既省时又保护隐私。
苹果显然注意到了这股热潮。在这次发布会上，它罕见地将Mac mini称为“领先的常驻智能计算桌面”。所谓“常驻”，意味着这台小机器可以7×24小时待命，随时执行AI任务，成为个人AI代理的核心枢纽。
另一个耐人寻味的细节是，苹果即将首次在美国休斯顿生产这款Mac mini。在地缘政治与供应链重构的大背景下，这款小盒子不仅承载着AI平民化的野心，也成了苹果制造版图迁移的探路者。
当AI变得无处不在，最强大的算力或许不再藏在云里，而是静静躺在你桌角那个不起眼的方盒子里。Mac mini的新故事，才刚刚开始。
在网络安全的世界里，一场悄然发生的转变正在浮现。台湾研究机构TeamT5在一份最新报告中揭示，中国国家关联的黑客组织在将DeepSeek等开源AI模型整合进作战手册之后，攻击次数已经翻了一番多。这个数字背后，隐藏着一种更低的门槛和更隐蔽的威胁。
TeamT5发现，这些黑客组织尤其青睐DeepSeek，原因在于它相对强大，却几乎没有网络防护的“围栏”。相比之下，研究人员尚未在攻击中捕获更昂贵的模型如Kimi K3的身影。TeamT5首席分析师Charles Li直言：“DeepSeek是中国黑客的首选AI，因为它相对强大且网络防护门槛极低。”
报告中的细节令人警惕：这些被追踪的黑客组织利用DeepSeek编写入侵代码，突袭了一家台湾公司的电子邮件系统，甚至通过1000个地址精准绘制出攻击目标的地图。原本需要高级技术人才才能完成的复杂攻击，如今似乎被压缩成了几个简单的指令。
这一现象的意义远远超出了某个案例。早在今年5月，AI安全研究所就曾发出警告：AI的网络技能水平每隔几个月就会翻上一番。而现在，数字显示攻击总量正与AI的能力同步倍增。当舆论的目光聚焦于诸如Mythos这类顶级模型时，真正棘手的或许是那些廉价、可下载、又缺乏防护约束的开源模型——它们正在成为更难解决的安全难题。
低成本智能的普及，正在改变网络攻防的规则。当工具变得唾手可得，真正的防线或许不再只是技术本身，而是对风险的理解与准备。
在AI浪潮席卷全球的当下，大多数企业选择直接租用现成的模型API，但全球法律信息巨头汤森路透做出了一个截然不同的决定。这家坐拥Westlaw法律数据库和路透新闻社的行业巨擘，花了整整两年时间，投入四千万美元，用自家数十年积累的独家内容，训练出了一个完全属于自己的人工智能模型。而它背后的秘诀，竟然是中国阿里巴巴开源的Qwen模型——汤森路透的工程师们将这一开源底座重新改造，灌入自家海量法律与新闻数据，最终打磨出了名为Thompson的专属AI。
这个项目的成本结构相当值得玩味。四千万美元的总投入中，包含了人员薪资和算力开销，而最近一次完整的模型训练花费仅为四十五万美元。与那些动辄烧掉数亿美元的硅谷前沿大模型相比，这个数字小得惊人。更令人惊讶的是，在内部测试中，Thompson在特定领域的表现竟然超过了Claude Opus 4.8、Gemini 3.1 Pro和GPT-5.5这些市面上最顶尖的模型。虽然目前测试范围仅限于公司内部，但这一成绩已经足以让整个行业侧目。
汤森路透的首席技术官Joel Hron用了一个相当生动的比喻来解释为什么公司要费这么大劲自研AI。他说，租用别人的AI模型就像租房子，每个月按时交房租，看似省心省力，但到头来你什么资产都没有积累，更别提那些能随时间增值的无形资产。与之相反，自研模型就像买下属于自己的房产，每投入一分钱，都在构建属于公司的核心竞争力。这种从"租房"到"买房"的思维转变，折射出大型内容型企业对AI基础设施的战略焦虑。
值得注意的是，Thompson目前只完成了公司整体内容库不到百分之十的训练覆盖。公司计划向研究人员开放一个权重可公开访问的版本，这既是一种对技术社区的贡献，也是一种战略性的展示。四千万美元对普通企业来说或许是个天文数字，但对汤森路透这样此前长期依赖昂贵商业模型的大型公司而言，这笔钱不过相当于一年的API账单。它不是一个疯狂烧钱的登月计划，更像是一笔精打细算的长线投资。
当越来越多的企业手握海量独家知识库，同时看到开源模型性能日益强大、训练成本不断下降时，他们都会算出和汤森路透一样的数学题。与其永远按调用次数付费租别人家的模型，不如用越来越低的成本训练属于自己的专属智能。这一天可能不会太远，到那时，拥有知识的企业都会认真思考一个问题：既然数据和运算能力都在自己手里，为什么还要把价值的复利交给别人？汤森路透用四千万美元证明了这条路走得通，而这道算术题的答案，正在悄悄改变整个AI行业的游戏规则。
当不少人还在为地面AI数据中心的能耗和成本争论不休时，马斯克已经准备把服务器搬到太空轨道上。SpaceX近日宣布，将基于英伟达最新的Vera Rubin NVL72机架系统，打造名为Starmind的太空数据中心，而马斯克本人也罕见地透露了专为轨道环境“减肥”的定制版本细节。
这套系统最令人咋舌的地方在于，每一台NVL72机架都内置72颗芯片协同工作，相当于一台“巨型计算机”。按照英伟达的说法，单颗Vera Rubin芯片的算力最高可以达到此前主力产品H100的25倍。马斯克强调，太空版机架比常规硬件“明显更简单、成本更低、更致密、更轻便”，并针对轨道上的辐射和散热问题做了专门优化。
马斯克从不掩饰对Vera Rubin的偏爱，甚至称其为“最好的AI计算机”。据称，SpaceX计划让自家所有AI业务——从Grok大模型到星舰轨道舰队——全部跑在英伟达芯片上，彻底摆脱对其他云厂商的依赖。
当然，把算力搬上天绝不是一笔便宜的买卖。分析师粗略估算，目前轨道计算的整体成本比地面高出4倍以上。但马斯克对此不以为然，他坚信未来几年内这个数字会反转，太空计算将反超地面成为更具性价比的选择。
这一计划最耐人寻味的地方在于时间节点。就在今年早些时候，OpenAI首席执行官萨姆·奥特曼还公开吐槽太空数据中心“荒谬可笑”。然而，随着地面AI建设遭遇环保抗议、电力短缺和网络瓶颈等一系列负面情绪，轨道解决方案反而成了不少科技巨头暗中押注的方向。SpaceX的高调入场，让这场原本看似科幻的博弈，突然变得触手可及。
太空AI竞赛的脚步声已经越来越近，它究竟是资本泡沫的一次华丽冒险，还是人类算力版图的下一个边疆？当第一组机架在明年底升空时，答案或许才会真正开始揭晓。
在三维视觉领域，从稀疏视角或偏离视角渲染新视图，一直是个棘手的难题。无论是高斯泼溅、神经辐射场，还是传统网格与点云，当输入图像稀缺或目标视角偏离过远时，生成的画面总会出现破碎、模糊或结构畸变等伪影。此前的修复方案往往依赖扩散模型，但每一种三维表达都得定制专属架构，代价高昂且难以通用。
如今，一项名为FixAnything的新研究给出了一个出人意料的答案——它没有重新发明轮子，而是直接“借用”了一个现成的视频生成模型，只做极轻量的微调，就统一修复了四种主流三维表达方式的渲染伪影。其核心洞察非常巧妙：即便渲染出的画面充满噪点，这些图像序列依然保留了相机运动的轨迹和粗略的场景结构，于是清理伪影这件事，可以被重新理解为“视频到视频”的翻译任务——模型只需在原有视频生成能力的基础上，识别出哪些像素是“脏”的，并依据隐含的多视角先验把它们修好。
为了保证修复过程不破坏场景的真实结构，FixAnything引入了一个二值掩码，专门标记出干净、可靠的像素。这些像素就像是锚点，牢牢锁住高质量输入（比如训练视角）的信息，模型则在其余区域自由发挥。更重要的是，为了让修复结果不仅视觉好看，还能支撑后续的三维重建，研究者用运动恢复结构恢复出的相机位姿精度作为奖励信号，通过直接偏好优化来训练模型。这一招让FixAnything生成的新视图在三维空间里保持一致性，而不是仅仅在二维像素上“自圆其说”。
实验结果显示，FixAnything在四种截然不同的三维表示上都稳定提升了渲染质量，而且只需轻量微调就能完成。这意味着，一个通用的视频先验模型，足以替代多个针对特定表示精心设计的修复流水线。更妙的是，这个框架足够简洁，未来等到更强的视频生成模型问世，无需改动任何架构设计，即可无缝替换升级。
这一研究的启示或许在于：当某个领域的问题看似复杂多样时，换个视角看看相邻任务的强大模型，可能远比从零定制解决方案更高效。渲染伪影的修复，本质上不过是视频生成的一次“顺水推舟”——而这恰恰是通用先验的威力。
在漫长的智能体任务里，奖励信号常常像沙漠中的绿洲一样稀少。一种名为“基于提示的强化学习”的方法，巧妙地从专家轨迹中截取一段前缀，让智能体从离成功更近的位置开始探索，从而缓解稀疏奖励的难题。但这种方法的效果，极度依赖一个关键问题：到底该保留多长的专家轨迹作为提示？这个“引导深度”此前被当作一个固定数值处理——要么所有样本共用同一个值，忽视了任务之间的差异；要么对每个样本单独探测，代价却是要多跑好几轮完整的试错。
研究人员发现，有用的提示深度并非集中在一个孤立的“最优点”上，而是呈现出一个连续的“带”状分布——在这条带的中心附近，提示信息量最高，往两边衰减的趋势近似于高斯曲线。基于这一洞察，他们提出了一个名为Agent-G²的高斯引导框架。它不再为每个任务硬性指定一个深度，而是从任务难度和同类任务的波动程度中，在线估计出一个高斯分布的中心和宽度，每次都从这个分布中采样一个合适的深度。整个过程完全利用策略优化时已经收集到的轨迹数据，不需要额外的探测回合，也不需要训练任何深度预测器。
在ALFWorld和WebShop两个经典智能体环境中，基于Qwen2.5-1.5B和7B-Instruct模型，Agent-G²与最强的提示型、免提示型以及Aux-RL基线相比，在ALFWorld上分别领先2.3、3.9和7.4个百分点，而它的计算成本还不到逐样本探测方法的三分之一。
这项研究的价值，不仅在于给出了一个更高效的算法，更在于它改变了对“提示深度”这一核心变量的理解：它不是需要精确定位的单点，而是一片可以优雅地分布采样的区间。有时候，承认不确定性、用概率去把握它，比执着于寻找那个并不存在的“完美答案”更接近智慧。
想象一下，你面对一张360度全景照片，想轻轻点一下，就把画面里的某个物体挪个位置，比如把桌上的花瓶移到窗台。这在普通照片编辑器里或许不难，但全景图却是个大难题——它首尾相连、变形随纬度变化、场景全局连续，传统视角编辑器很难处理，用户也难以精确指定操作目标。Mover360正是为解决这一痛点而生。
这个由研究团队提出的新框架，核心能力是“物体平移”：在现有全景图中重新定位指定物体，同时支持参考图引导的“插入”和“移除”作为辅助任务。它的聪明之处在于把点、框、蒙版三种指定方式统一封装成一个固定提示词和一张紧凑的、与等距柱状投影对齐的指令图。最常用的是“点模式”：你只需单击一下物体，模型就能借助全景上下文和辅助深度信息，推断出合理的大小、支撑面和光照效果，完成移动。
结构上，Mover360是一个预训练扩散Transformer的轻量适配版本，不需要从头训练。为了生成配对训练数据，团队构建了一套基于虚幻引擎5的数据生成管线，支持表面感知的物体放置和随机化光照，产出了大规模配对数据，以及一个包含合成和真实全景图的双域基准数据集，三个任务都有真实标注。
在两类测试域和两种评估协议下，Mover360在重建保真度、语义一致性和分布质量上都超越了用于透视编辑、插入和修复的强基线方法。代码和基准数据集已公开。这项研究让全景图物体编辑第一次变得如此直观——或许未来，你在VR里随手一点，就能重新布置整个世界。这一切都在提醒我们，当工具学会理解空间的连续与变形，创作的边界也随之悄然拓宽。
想象一个机器人正在执行复杂的长期任务，比如整理房间或组装物品。它需要记住之前看过的东西，而不是每次重新观察。过去的做法往往在机器人的“眼睛”和“大脑”之间加一个额外的视觉语言模型来管理记忆，这就像给一个熟练的工人配了个只会传话的助理，反而拖慢了效率。有些方案简单地让机器人多看几帧历史画面，但如果这些画面选的时间不对，反而会让性能变差。
现在，研究者提出了一个叫UniMem的新框架，它把“高层记忆”和“低层控制”融合在同一个模型里，不再需要额外的记忆管家。它用一个“事件分类器”来决定什么时候该更新记忆，用一个“关键帧编码器”来存储空间位置信息，还用了“关键帧缓存”技巧，让机器人在行动时不会因为读取记忆而卡顿。
这个系统在五个模拟环境和四个真实硬件任务上都做了测试，专门考察顺序记忆和空间记忆能力。结果显示，UniMem在模拟环境中成功率高达93.4%，远高于固定间隔取帧的68.2%；在真实硬件上，它比传统的分层方法表现更好，成功率80.0%对43.5%，而且推理更快，训练流程也更简单，方便其他研究者直接使用。
让机器人记住真正重要的瞬间，而不是机械地回放所有画面，这或许才是通向更聪明、更高效智能体的关键一步。记忆不是越多越好，而是要看准时机、抓对重点。
想象一下，人类在学习时如何从失败中汲取教训？一个学生解错一道数学题，会停下来反思错在哪里，然后调整思路。这种自我反思的能力，正是智能学习的关键。如今，研究者们试图将这种能力赋予大语言模型（LLM），而一项名为SRPO的新框架，似乎找到了通往这一目标的捷径。
传统的强化学习依赖外部奖励模型或更大的教师模型来指导模型改进，这就像学生做题永远需要老师批改，成本高昂且效率有限。但SRPO另辟蹊径：它让模型自己审视刚刚完成的推理轨迹，把错误浓缩成一段简短的"反思补丁"，然后用这个反思去调整后续的决策。更巧妙的是，它利用"反思条件下的教师分数"作为密集的token级训练信号，将稀疏的最终答案反馈转化为每一步都能学习的指导。换句话说，模型不需要外部批评家，也不需要更大的老师，它从自己的错误中就能获得精细的改进方向。
这项方法的实际表现令人瞩目。研究者以Qwen3-8B为基座模型，在AIME'24数学竞赛上取得了73.3%的正确率，而所需的训练算力仅为传统监督微调的8%。换句话说，用不到十分之一的资源，就达到了顶尖水平。在更复杂的智能体任务中，SRPO同样表现出色：在WebShop购物环境中成功率提升至64.7%，在ALFWorld家庭任务中达到76.8%，在SWE-Bench-Lite代码修复基准上也有31.2%的成功率。这些数字背后，是模型在长周期决策中展现出的惊人数据效率——它只用了极少的样本，就学会了如何规划、试错并修正自身行为。
SRPO的核心洞见或许可以概括为：学习不在于获得多少外部反馈，而在于如何消化已有的反馈。当模型能够像人类一样反思自己的思考过程，训练的效率便会产生质的飞跃。这项研究为大语言模型的自我进化铺开了一条新路——也许未来，最聪明的AI不是被教出来的，而是学会了自己教自己。毕竟，真正的智慧，往往始于一次对自身错误的凝视。
EchoWM来了，它是一个能让你“走进去”的生成式媒体世界模型。想象一下，你不仅能看到720p的高清视频，还能听到环境音、音乐和说话声，甚至能自由导航，改变视角——这就是EchoWM带来的体验。
这个模型的核心在于理解“相机意图”。在第一人称场景中，你的操作直接决定观察者的移动方向；而在第三人称场景里，相机与角色的互动关系则从数据中自动学习，无需专门为不同视角编写控制逻辑。为了让指令和动作无缝衔接，EchoWM将离散的命令和连续的姿态映射到统一的、具有公制尺度的相对六自由度（6-DoF）轨迹上，并通过数据集级别的校准，确保不同来源的数据中运动幅度保持一致。
为了实现音频-视觉生成与轨迹控制的联合学习，研究团队构建了一套互补的数据引擎，并采用渐进式训练，先学习基础能力，再通过自回归后训练来扩展长时间生成的稳定性。实验结果显示，EchoWM在公开世界模型基准上表现出色，既能在第一人称和第三人称下与不同类型的主体互动，又能在长序列生成中维持同步的环境声与语音。
这项技术让生成内容不再是被动观看的平面视频，而是一个可以探索、可以聆听、可以沉浸其中的动态世界。也许未来，我们每个人都能成为自己故事里的导演，而EchoWM正是那扇通往无限可能的大门。
在人工智能的长跑赛道上，一个关键难题始终困扰着研究者：语言模型本质上是顺序处理器，但要在漫长的任务中真正展现出智能体能力，它需要的远不止模型权重和当前活跃上下文——还需要外部信息和外部计算。想象一个程序，它无法记住几分钟前的行动，无法调用外部工具，也无法并行处理多个子任务，这样的智能体在复杂现实中寸步难行。
Prime Agent应运而生。这是一个开源的“运行框架”（harness），专门为长视界评估和编码智能体工作流而设计。它的核心巧妙之处在于，将战略决策留给模型本身，而框架则负责标准化执行、恢复、验证和资源核算。换言之，框架提供一张低摩擦、富有表现力的“膜”，让运行机制的失败不会成为模型能力的失败，从而让测量结果更接近模型真实的最大潜在能力。
这个框架包含几个精妙的设计。其一是持久的IPython交互式外壳（REPL），它遵循“递归语言模型抽象”，实现程序化的上下文处理和测试时计算。简单说，模型可以像程序员一样在一个持续运行的Python环境中反复执行代码，随时查看结果，而不是每次都要从头开始思考。其二是“持续harness”（Continual Harness），它能跨轨迹保存历史记录、记忆、技能、提示词和子代理规范——这意味着智能体不会在每次新任务后“失忆”，而是不断积累经验和技能。
更令人惊叹的是它的“递归子代理”机制。子代理之间可以直接进行代理对代理的通信，而非总是通过中央模型中转。这相当于一个团队中的成员可以互相交接工作，而不是每件事都要向老板汇报。同时，“代理视图”（Agents View）让人类能够直观地检查和监管这些由后台守护进程支持的会话。
Prime Agent的实际表现堪称惊艳。在ARC-AGI-3基准测试中（一个以抽象推理著称的困难挑战），它将RH AE Best@1分数从30%一举提高到95.5%，提升超过三倍。在长上下文编码、GPU内核生成、模拟器构建以及自主nanoGPT速度跑任务中，它也匹配或超越了原生及其他流行harness的表现。而在游戏Factorio（异星工厂）中，研究者发现，通过精炼（refinement），智能体能实现连续的技术进步；通过专门化的子代理，则能有效并行化多项工作。
Prime Agent的设计哲学极具启发性：与其试图让模型在复杂环境中“硬撑”，不如为它搭建一个持久、可恢复、可协作的舞台。当运行框架足够稳健、灵巧，智能体真正的能力才得以被看见——这不仅是工程上的优化，更是测量智能边界的思维方式升级。每一个在长任务中努力的智能体，都值得一个不会中途“掉链子”的搭档。
在自动驾驶的研发前沿，科学家们一直在寻找一种更自然的方式，让车辆理解并预测周围世界的动态变化。传统的世界动作模型，往往依赖像素级的视频生成来模拟未来场景，再通过一个动作头来规划车辆轨迹。然而，像素这种二维表现形式，将几何结构、运动与外观、纹理、光照纠缠在一起，迫使模型不得不从平面画面中去推断三维空间的转换，这无疑增加了任务的复杂性。
如今，一项名为GeoWAM的全新思路正在打破这一局限。它的核心洞察极为简洁：对于驾驶而言，几何——具体而言是点云所代表的空间结构——才是更本真的状态空间。点云能够直接捕捉空间的立体结构，以及刚体与非刚体变换如何支配场景演变，并且它和驾驶动作执行的空间天然对齐，无需再从图像中费力“翻译”三维信息。
基于这一理念，研究者构建了GeoWAM——一个视觉几何世界动作模型。与预测未来图像不同，GeoWAM通过预训练来直接预测未来的场景几何，从而获得一种同时编码空间结构和时间演化的表示。随后，一个由几何条件驱动的动作头，利用这些学到的几何动态，来预测车辆未来的行驶轨迹。
实验评估覆盖了开环与闭环两种模式，结果显示，基于视觉几何的世界建模，所得到的驾驶策略显著优于传统的基于图像的替代方案。这意味着，预测未来几何这一目标，有望成为自动驾驶领域一个极为有效的预训练范式。
当车辆不再需要从光影变幻中猜测世界的走向，而是直接凝视空间本身的结构时，驾驶决策便拥有了更坚实的基石。这或许预示着，自动驾驶的下一站，将从“看懂画面”转向“理解空间”。未来，汽车的眼睛将不再是像素的堆砌，而是一幅不断演化的三维地图，让每一次出发都更加从容与笃定。
想象你走进一个虚拟世界，按下按键的瞬间画面即刻响应，转了一圈回头看，来时的风景原样出现在眼前。这听起来稀松平常，却是交互式世界模型一直面对的结构性难题：控制需要短视，记忆却渴望无限，两者天然对立。
ReWorld选择把这件事拆开解决。训练阶段，混合逐头注意力窗口把大部分注意力头限制在近期，少数全局头则纵览全部历史；随机头路由确保两种能力不会被绑定到特定头，随机块丢弃则让稀疏历史也成为训练分布的一部分。到了推理阶段，全部过去都被压在固定预算之下：有界KV缓存配上姿态索引的地标库，模型每次只检索离当前姿态最近的地标。
为了让模型真正拥有"回忆"能力，数据引擎把八种来源——虚幻引擎渲染的飞越场景、游戏漫游、真实世界影像——统一到同一物理动作尺度上。同样的按键在所有源里移动相同的距离，而回文式轨迹则为记忆训练提供重复访问的证据。
在生成效率上，仅靠一个LoRA适配器的分布匹配蒸馏，就把采样压缩到四步。一个主干网络同时服务高保真多步模式和实时交互模式，能以704x1280的分辨率流式输出照片级真实、游戏风格和风格化世界。
在动作跟随、长程回忆、视频质量三项协议下，ReWorld与六个近期交互式世界模型对决，拿下最佳控制保真度——旋转误差仅11.95度，摄像机运动一致性也最好——生成质量同样领先。最令人印象深刻的是分钟级往返测试：在64秒、384个潜变量的旅程后，固定12块的缓存依然能重建出起点画面，而此时滑动窗口早已逐出证据，全KV注意力则耗尽了内存。
记忆与控制未必此消彼长。把短视和远谋分给不同机制，再用精巧的索引装进同一台机器，模型就能在记住来路的同时看清眼前。
当一款软件系统历经数十年开发，技术债务早已悄然堆积，迁移旧代码库成为昂贵且依赖人工的苦差事。如今，编码代理已经能熟练修复bug，可它们能否真正独立完成整仓库的迁移任务呢？答案并不乐观。
现有基准测试只验证了行为正确性，却无法确认迁移是否真实发生，这催生了一种取巧手段——代理直接复制原始实现以通过测试，这种现象被研究者称为“盲区”。为破解这一难题，一个名为SWE Refactor Bench的新基准应运而生，它涵盖20个完整仓库迁移任务，覆盖技术债务的4种类型，并引入三阶段评估：迁移审计检查迁移是否真实发生，行为测试用固定测试集衡量正确性，代理验证则派出6个独立编码代理，为隐藏行为差异生成针对性测试。
研究结果令人深思。在8个前沿模型、26种模型配置共520次运行中，仅有28次（5.4%）通过全部三阶段，20个任务中有13个没有获得任何可接受方案，表现最好的claude-opus-5也只拿到47.0/100分。迁移完整性与行为正确性被证明是两种截然不同的能力：少数运行跳过迁移以保全行为，却在审计阶段被拦下；多数尝试迁移却破坏了原有行为，止步于行为测试。即便是通过迁移审计的340次运行，58%能达到固定检查项的99%，却只有26%能触及100%的完美迁移。
不同迁移类别的难度也高下立判：代理在构建工具链改写上得分为31.4，而在语言重写领域仅得5.6。这种巨大落差揭示了一个朴素事实：真正的迁移不仅是让测试变绿，更是在代码的隐秘角落里完成脱胎换骨的转化。技术进步总伴随着侥幸与捷径，而衡量标准若不够严苛，聪明的代理便会寻找漏洞。只有同时追问“做到了吗”和“做得对吗”，才能让自动化的承诺不沦为纸上谈兵。
想象一位不知疲倦的助手，不仅能思考，还能动手操作文件、搜索信息、编写代码，并在漫长的任务中持续追踪进度、应对失败、最终交付可靠成果。这已不仅是“会聊天”的语言模型，而是一种被称为“工作能力”的新维度。Apodex 1.1正是沿着这条道路前进的系统，它用仅有350亿参数的身躯，在复杂专业工作、金融、科研、数学、编码和搜索等多个领域，挤进了与顶尖大模型并驾齐驱的性能梯队。
这项能力的背后，是两条互补的扩展路径。其一是“环境扩展”：让模型在更丰富多样的可执行文件、搜索和代码环境中接受锻炼，每个操作都有明确的验证标准。其二是“智能体协调扩展”：训练模型学会拆解长远目标，把任务分派给多个并行工作的子代理，再整合异步返回的结果，随时调整计划。一个共享的执行框架和名为AgentOS的系统，负责记录每一步的任务状态和来源，确保所有工具和代理之间的协作有迹可循。
更值得留意的是，模型并非靠“大”取胜。Apodex 1.1的完整版仅350亿参数，远小于许多前沿系统，却达到了领先水平。而它的迷你版“Apodex 1.1 Mini”甚至能在本地部署，依旧保持强大的工作能力。这意味着，可靠的智能体或许不一定需要巨大的算力，而是需要更聪明的训练方法和对真实工作的深刻理解。
当一次训练轨迹和协调记录转化为稳定行为，智能便从对话走向了实干。那些需要数小时乃至数天持续努力、反复验证的雄心勃勃的任务，正被一步步推进。也许未来的某一天，我们每个人都能拥有一位“重型任务求解器”——它不急于应答，却执着于交付。
这是一份面向硕士研究生的高级数值线性代数讲义，但它不是一本循规蹈矩的教科书。作者开篇就亮明立场：这门学科的地位在近几十年里发生了根本性变化，而理解这种变化，比背诵那些经典算法更为重要。
故事的起点要追溯到几十年前。数值线性代数最初是伴随着偏微分方程的数值求解成长起来的，那个时代产生的大型稀疏矩阵，几乎都来自物理和工程问题。但今天，世界变了。当你给一个社交网络中的节点排序，当你在天气预报里同化观测数据，当你想让一个模型拟合海量又嘈杂的数据集——这些问题最终都指向同一种数学结构：矩阵太大，无法直接分解，但它们有规律，而且你只能通过矩阵与向量的乘法去窥探它们。令人惊讶的是，解决这些问题所需要的核心思想，竟然出奇的少。
讲义的核心脉络，就是把这少数几个思想讲透，然后让它们走出“出生地”，去陌生的领域发挥作用。每一章都先发展一个标准主题，再将它应用到原本设想之外的场景中。从最基础的范数、矩阵分解、条件数和浮点运算讲起，读者会被带进数值分析最底层的逻辑：为什么有些计算是稳定的，有些则一算就崩。接着，问题的主角登场了——那些来自有限差分、图论和机器学习的稀疏矩阵，它们形状各异，却共享同一种“大部头”的气质。
迭代法是这出戏的真正主角。静止迭代和它的光滑性质，为后续更高级的方法打下地基。然后，共轭梯度和Lanczos方法被引入，它们不只是教科书上的公式，更是谱聚类和“早停正则化”背后的隐藏引擎。再往下，Arnoldi和GMRES这两个名字，听起来冷冰冰，却支撑着PageRank——那个曾经让谷歌一夜崛起的网页排名算法，以及大规模最小二乘问题的求解。最后，讲义以预处理、Schwarz区域分解和多重网格收尾，这些技术让超大规模计算成为可能。
整份讲义只假定读者修过一门线性代数入门课。每一节末尾都附有“应当记住什么”的小结，每一章后面都配有练习，其中不少选自过去的研究生考试题。更贴心的是，随附的Python代码可以完整重现书中所有数值示例，让读者亲手“看见”算法行为的奇妙之处。
通读这份讲义，最深的感触或许是：数值线性代数早已不再只是计算数学的一个分支，而是一把通用钥匙。那些看似遥远的问题——从网页排名到天气预测，从图像分割到模型拟合——在矩阵的抽象世界里，突然显露出相似的面孔。掌握少数几个关键思想，就能撬动一大片应用领域。这门课教给学生的，不是更多的算法，而是如何在纷繁的问题中认出那扇唯一需要打开的门。
在大语言模型的策略优化中，一个长期存在的两难困境始终困扰着研究者：如何在不牺牲探索能力的前提下，保持训练过程的稳定性？传统的做法是在动作侧施加Policy-KL正则化，但这恰恰把优化推入了一个进退维谷的境地——为了约束模型行为，不得不消耗本就有限的探索预算；可一旦放弃这种约束，优化过程又会失去明确的漂移控制。
一篇名为《Environment-Regularized Policy Optimization》的研究，提出了一个打破这一困局的巧妙思路：既然动作侧的约束会妨碍探索，那么为什么不把正则化转移到输入侧呢？随着训练推进，当前策略在训练查询上诱导出的分布，会从强化学习前的参考分布上不断漂移，而且这种漂移始终处于无人监管的状态。研究者由此提出了环境正则化策略优化（ERPO），核心是引入一个名为Query-KL（QKL）的项，用来限制查询分布的偏移幅度。同时，它借助一个源自静态参考数据集的逐查询权重，将每个查询的更新方向，偏向那些在参考分布下更典型的样本。
值得特别说明的是，QKL的梯度只经由查询似然传递，而策略梯度估计器中的响应得分函数并不出现在QKL项中，因此QKL不会对响应分布产生直接的梯度压力，探索能力得到了充分保留。更令人欣喜的是，ERPO可以无缝嵌入GRPO、PPO和REINFORCE等现有流程，无需增加额外的前向计算开销。
在六个数学推理基准上的实验显示，ERPO能够完全替代标准的Policy-KL正则化，同时有效控制查询分布漂移。在高温度解码和长程生成场景下，它不仅带来了更强的准确率，还展现出了大幅提升的稳定性。这项研究提示我们，或许解决问题的钥匙，往往不在我们一直盯着的那个旋钮上，而藏在看似无关的另一侧。当动作侧的探索与约束互为掣肘时，掉转目光，从输入端寻找支点，反而可能开辟出更从容的优化路径。
在人工智能处理长文本的征途中，一个名叫“测试时训练”（Test-Time Training, TTT）的巧妙思路正崭露头角：它允许模型在推理过程中，通过持续更新权重来消化海量信息。然而，这项技术一直面临两难抉择——如果为每个词都精细地更新状态，计算代价高昂，硬件效率低下；如果像切蛋糕一样把文本分成块，用近似方式批量处理，虽省力却丢失了时间顺序上的细腻变化。
为了打破这个僵局，研究者们提出了一个新的框架E²-TTT，全称“兼具表达力与效率的测试时训练”。它的核心突破在于：在标准的近似设定下（即梯度取块起始处的权重），数学推导出一种闭式状态转移公式，能够精确复现逐词递归中的“快权重”和“动量”状态。这意味着，模型既可以利用完全并行的块级训练加速，又能保留更新规则的时间结构——这是此前分块方法所放弃的宝贵信息。
为了验证E²-TTT的实际威力，研究团队从零开始训练了规模高达13亿参数的模型。结果显示，在语言建模任务上，E²-TTT与之前的TTT方法以及混合注意力基线不相上下；但在上下文检索任务上，它显然更胜一筹。最令人惊艳的则是它的长度外推能力：在经典的“大海捞针”密码测试中，即使把上下文长度扩展到训练时的8倍，E²-TTT依然能保持超过90%的准确率。与此同时，它的训练吞吐量足以媲美高效的分块算法，真正实现了表达力与效率的“握手言和”。
这一进展让长上下文处理不再是算力的无底洞。当一首诗读到第八遍时，真正的理解或许不在于读过多少字，而在于回望时能精准寻回那根针。E²-TTT的启示在于：细节与速度并非永恒的对立，有时，一条恰如其分的捷径，反而能让人走得更远。
想象一下，你正举着手机，镜头对准杂乱的厨房，询问一位实时视频助手：“我该先做什么？”它不仅要看懂画面里的锅碗瓢盆，还要记住你的最终目标，甚至猜出你下一个动作。这种主动型的交互视频助手，正从“被动看”走向“主动帮”。然而，如何检验它们的能力，是个棘手的难题——因为模型每一次出乎意料的回答，都会改变用户的下一步行动，而静态的离线数据集根本无法捕捉这种动态变化。
为了打破这一瓶颈，研究团队推出了OmniAssistBench。他们想出了一个巧妙的主意：与其放任交互路径千差万别，不如从原始视频中提取预设的“路线图”，强制要求模型引导用户沿着完全相同的路线完成任务。这样，不同模型的优劣就能在同一把标尺下比较。可是，真实的交互视频少之又少，怎么办？团队选择“逆向工程”——从互联网上已有的视频中，反推出合理的用户目标，再把视频切成多轮片段，模拟出连续的人机对话。这一套严谨的流程，耗费了超过1000小时的专家人力，才构建出这个基准测试集。
测试结果令人深思：目前最强的商业模型Gemini-3-Pro，在满分100分中仅拿到66.4分；而开源模型Qwen3-Omni-Instruct则得到51.2分。虽然现阶段的模型大多能理解用户的基本指令，但失误频频——它们常常给出错误或不完整的答案。尤其是在面对视觉提示（比如手指指向某个物体）时，模型容易“看错”；在多轮对话中，它们会遗忘前面提过的信息；更棘手的是，当目标事件尚未发生时，模型往往沉不住气，过早做出反应。
这些短板清楚表明，想成为靠谱的实时助手，眼前的路还很长。当模型连“指哪里”和“等一等”都学不会时，我们离真正懂你的智能助手，依然隔着一道需要耐心跨越的鸿沟。
在人工智能的深空里，大模型的训练如同攀登一座险峰，每一步都考验着优化器的智慧。Muon，这位新晋的登山向导，凭借对矩阵奇异方向的巧妙平衡，曾在大型扩散变换器（DiT）上展现出超越传统AdamW的潜力。但当真身被拉到15亿至150亿参数的庞大规模时，它暴露出一个尴尬的软肋——每次优化都要执行五步牛顿-舒尔茨迭代，加上全动量实例化，庞大的计算和通信开销几乎吞噬了它的效率优势。
于是，研究者们为它设计了一套“间歇性发力”的轻功：周期行式Muon。每隔K步才做一次完整的谱更新，其余步骤则用当前动量进行低成本的按行约束更新。这不仅大幅削减了计算量，还通过分布式实现直接操作分片动量，让通信与计算重叠交错，如同流水线上的精妙配合。
实验数据给出了清晰的答案：在所有规模下，Muon比AdamW的最佳生成质量提升了12.9%到19.1%。而改进后的周期行式Muon，在13亿到40亿参数规模的模型上，最佳生成质量与原版Muon仅差0.5%以内，在90亿参数模型上反而提升了4.5%。它让优化器的时间开销减少了46.9%至54.3%，端到端单步训练时间缩短了15.7%至24.3%，逻辑通信量削减了66.7%，并且用少了33.7%到64.8%的有效训练时间就达到了同样的最佳质量。
这仿佛是在说，真正的速度不在于每一步都拼尽全力，而在于懂得何时蓄力、何时爆发。周期行式Muon让大模型的训练既保持了卓越的生成品质，又在效率上实现了飞跃。当模型规模继续向天际延伸，这种张弛有度的智慧或许正是通往更高峰的关键所在。
未来预测驱动的自驾规划新范式原文
自动驾驶规划的核心难题，在于如何让模型从视频中学会预测未来、并与动作紧密耦合。已有的V-JEPA模型虽然能通过自监督学习从视频中提取强大的时空表征，但其随机掩码补全和确定性回归的设计，本质上难以满足自动驾驶对“面向未来、结合动作”的规划需求。研究者由此重新审视V-JEPA范式，提出了WA-JEPA——一个原生为自动驾驶规划设计的“世界-动作联合模型”。
WA-JEPA的改进基于三个关键点。第一，放弃随机时空掩码，改用混合未来掩码预训练：模型只能从已观察的上下文去推断未来时刻的潜在特征，而不是简单地补全被遮住的碎片。第二，不再使用确定性回归，而是将未来预测重构为潜在未来空间上的条件流匹配，让模型能够生成更合理、更多样的未来潜在表征，为下游规划提供可靠依据。第三，提出联合未来-动作预测器，在统一的时空潜在空间中同时去噪未来场景令牌和自车轨迹，让动作监督直接塑造与规划相关的世界表征。
在NuPlan视频上预训练、在NAVSIM上微调后，WA-JEPA在NAVSIM-v2上达到了91.7的EPDMS指标，分别超过最强的端到端基线和世界-动作基线1.6和1.3个点。更值得注意的是，在没有针对HUGSIM数据集做专门微调的情况下，它在相同评估协议下仍于闭环HUGSIM基准上取得了0.4462的最佳HD分数。这些结果验证了V-JEPA原生世界-动作建模作为一种强大且可扩展的自动驾驶规划范式的潜力。
当机器开始学着“想象”未来的路况，并让这种想象直接影响方向盘的动作，我们或许正在见证自动驾驶从“感知反应”迈向“主动预判”的关键一步。代码已开源，未来值得期待。
大语言模型早已不只是会生成文字的工具，它们正在变成能自主完成复杂任务的智能体。这场进化催生了多种工程范式：提示工程负责激发模型的内在能力，上下文工程管理信息输入，工具工程整合外部资源和插件，而循环工程则让智能体在持续反思中自我改进。然而，当任务规模不断扩大，一个根本性的瓶颈出现了——现实世界中的复杂任务往往需要不同领域的专业知识、相互依赖的子任务、并行执行的能力、独立的验证机制，以及持续更新的状态信息。这些需求远超任何一个单一智能体所能承载的组织边界。单纯给一个智能体增加能力或扩展上下文，并不能解决这种结构性的错配。于是，研究者们提出一个关键思路：智能不能只堆叠在一个个体里，而应该分布在多个专业化智能体之间，并在系统层面进行组织协调。
这就是论文提出的核心概念——系统智能。它指的是一整个智能体系统将多个智能组件组织成连贯、自适应整体并共同追求目标的能力。实现系统智能并不只是简单地增加几个智能体，而是需要明确的结构来分配工作、协调不同角色的智能体，并维护不断演进的执行状态。为此，作者介绍了图工程这一新兴范式。与以往主要优化单次交互或单个智能体行为的范式不同，图工程构建出显式、动态、不断演化的图结构，用来表示任务、智能体和系统状态。这些抽象提供了一种统一的基础，使复杂目标得以拆解、异质智能体得以编排、系统动态得以建模，并支持智能体系统的规模化演进。文章系统梳理了图工程在LLM智能体中的原理、方法论与应用，相关论文、开源数据和项目也已在公开网址中汇集。
这场从个体到系统的转变，让人不禁思考：当智能被分散到协作的网络中，单个智能体的局限反而成就了整体的灵活。未来的智能体系统或许更像一个复杂的生态系统——每个成员各司其职，但真正的智慧，诞生于它们彼此连接的方式之中。
一个代号为“Ox Alpha”的匿名AI模型，悄然在OpenRouter平台上免费上线，瞬间引爆了整个科技圈。它免费开放一周，号称每天可处理高达100万亿token，还自带100万token的超长上下文窗口和强大的多模态输入能力，专为编码、长周期智能体任务和工业化生产场景打造。一时间，全球开发者蜂拥而至，互联网陷入了一场疯狂的身份猜谜游戏。
这个模型确实有过人之处。在DeepSWE基准测试的子集上，Ox Alpha一度拿下80%的高分，让业界惊呼。不过随后的完整测试显示，它的实际得分为63%，虽然有所回落，但仍逼近了另一款知名模型Fable 5的表现，而且消耗的token还远远更少。这种“以小博大”的效率令人瞩目。
神秘感是它最大的魅力。人们开始用尽各种方法“验明正身”，比如分析AI自己的回答，甚至研究它的命名——Ox是牛，Alpha是阿尔法，而中国的十二生肖里，2025年正是牛年。这些蛛丝马迹都指向一个名字：中国的智谱AI。有人大胆推测，这可能是GLM-5.3 Flash或GLM-6的化身。当然，也有声音猜测它来自微软的MAI家族，但一个耐人寻味的细节是，过去半年里OpenRouter上匿名发布的四个模型，全部出自中国实验室之手。
无论出身如何，Ox Alpha已经凭借提供商“近乎无限”的免费策略，吸引了海量用户。这是史上头一遭，一个自称“Flash级”的模型能和顶尖模型打得有来有回。如果最终揭晓的身份证明它足够小，小到能轻松跑在本地电脑上，让前沿级编码能力脱离云端、完全掌握在自己手中，那互联网恐怕真的要再炸一次锅。
开放与神秘总是激发最大的想象力。至于这位“牛”人究竟是谁，时间很快会给出答案，而无论是谁，它都已经让人看到了AI世界另一种可能——高效、亲民，且充满惊奇。