VLM脑中真有一张3D地图？匹兹堡大学挖出了新证据
VLM脑中真有一张3D地图？匹兹堡大学挖出了新证据看一段房间视频，视觉语言模型（VLM）能够认出桌子、椅子和柜子。但在它的内部，这些物体是按颜色、形状组织在一起，还是形成了一张包含邻接关系的空间地图？
来自主题: AI技术研报
8575 点击 2026-10-20 16:22
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
看一段房间视频，视觉语言模型（VLM）能够认出桌子、椅子和柜子。但在它的内部，这些物体是按颜色、形状组织在一起，还是形成了一张包含邻接关系的空间地图？
近日，Manifold AI流形空间登顶机器人学习基准RoboDojo榜单（Agent Track），超越 GPT-6-Astra、英伟达 GR00T-N1.。其 WorldScape R²SI系统超过GPT-6-Astra、英伟达 GR00T-N1.7等模型，位列总榜第一。
Manifold AI推出WorldScape R²SI，通过上下文学习与双层Agent持续改进能力登顶RoboDojo Agent Track总榜，超过GPT-6-Astra等模型。
GitHub新上线的AI论文生成工具Open Academic Paper Gen以九阶段多智能体工作流完成选题、文献检索、初稿写作与核验，并可在获取全文后定位相关段落，检查引用是否支撑正文论点及标注PDF页码。
Heyyyy是一款由A Thinking Ape原始创始人及姚振旺团队打造的AI约会模拟器，其AI角色会记住用户、表达反驳，并在关系处理不当时主动离开或下线，产品围绕匹配、约会和照片等功能构建了一套允许角色保留自身判断的关系设计。
当AI不再只会聊天。
近日，机器人圈知名播客节目 RoboPapers 更新了一期专访，对象是光轮智能创始人兼 CEO 谢晨博士。这期节目的采访人是 RoboPapers 播客联合主持人 Michael Cho 和新加坡国立大学（NUS）助理教授 Jiafei Duan。后者是 MolmoAct 系列机器人模型的作者，研究方向正是机器人基础模型与可扩展数据采集。
模型竞争的下一站，是让智能体在真实世界里可执行、可验证、可进化。
就在刚刚，OpenAI首颗自研芯片Jalapeño「墨西哥辣椒」，交出了首批实测成绩单——AI推理性能，全面反超英伟达GB200和GB300。实测速度直接起飞！Jalapeño一秒能狂吐1459个Token，英伟达GB200只有535个，连一半都不到。
8月18日，一篇系统梳理单细胞基础模型的综述预印本挂上 Preprints.org（doi:10.20944/preprints202608.1166.v1），标题是《The Landscape of Single-Cell Foundation Models: Design Principles, Applications, and Open Challenges》，尚未经过同行评审。