搜索
近年来，视觉语言模型（Vision-Language Model, VLM）在图像理解、语义推理等任务中展现出了强大的能力。然而，当这些模型真正进入物理世界，让机器人根据一句自然语言指令完成自主导航时，仍然面临巨大挑战。
If I Had One Bet on Robot Learning, I’d Bet on Cross-Entropy. 大语言模型的成功揭示了一个适用于一维序列数据的清晰 Scaling Law：通过自回归训练，并采用交叉熵（cross-entropy）目标函数预测下一个 token 的概率分布，模型能够建模非常复杂的语义概率分布，并随着数据规模和模型规模的增长持续提升性能。
刚刚，OpenAI 发文投下一颗重磅新闻，称他们使用一种比 GPT-6 Astra 更强大的、未公开的下一代前沿大模型，联合约 10000 个并发协作的 AI Agent，仅耗时 88 个小时，便攻克了克雷数学研究所设立的七大千禧年难题之一 —— 纳维 - 斯托克斯方程（Navier-Stokes Equation）的存在性与光滑性问题。
该公司曾做出“全球首个AI软件工程师”。
手搓AI开放世界的北大哲学博士，刚刚又杀回来了！
由Teambition创始人齐俊元重启12年前项目打造的Today AI正式开启公测，这款Personal AI通过连接软件与设备构建多层Memory体系，在任务暂停后能主动判断并推进下一步，被认为是当下最主动的Personal AI。
长文、网页、视频和代码经常停在这样的「半成品」状态：海报文案没有写错，却挤出了页面；网站首屏很漂亮，按钮点下去毫无反应；视频里的镜头单看都成立，连起来却丢了人物和节奏；程序刚修好一个模块，另一处又出现回归。
让 Agent 完成一个任务并不难。它会整理材料、修改文件、检查结果，再交付答案。
真正的壁垒，藏在没法开源的部署Know-how里。
物理AI感知公司Lyte完成1.65亿美元C轮融资，投后估值达16亿美元，由Maverick Silicon领投，该公司由前苹果Face ID工程师创立，核心产品LyteVision™为机器人提供全栈自研感知基础设施。