ARCHIVE近 30 天历史柱高表示当天去重快讯数量
10/09—11/07 有历史数据
- 原创 关注世界模型的 2026-11-06 15:41 湖北 Frameboy。 编辑｜Neo、泽南 今天，AI 圈的人在打游戏。 李飞飞的创业公司 World Labs 推出了自己的第一个「应用」Frameboy，由 AI 实时生成第一人称画面，把生成式 AI 变成了一种可以直接探索的体验。 Frameboy 是一个 Atlas 世界模型的优化演示版，使用云端 GPU 的流式传输，帧率最高可以达到 15 fps。实测出来模型的响应时间大概只有 70ms，已经很接近云游戏了。 体验链接：https://frameboy.worldlabs.ai/ 它目前提供精选场景供用户探索，包括各种真实世界中的风景、赛博朋克空间以及斯坦福大学的校园等。这些场景有的是从一张图片出发，让 Atlas 脑补出其他视角，逐步构成一个可探索的环境，也有的是输入了同一地点的多张照片，再由模型生成照片之间、以及照片之外的新视角。 World Labs 还在 beta 网络应用 Viewfinder 中直接集成了 Frameboy 作为流媒体覆盖渲染模式，这让用户能够用自己的输入内容逐帧构建场景，然后在实时中探索和
- 机器之心 2026-11-06 15:41 湖北 从只会 “单步演示” 到 “连续干完一件活”，长程规划正在成为机器人的新分水岭。 机器之心发布 从只会 “单步演示” 到 “连续干完一件活”，长程规划正在成为机器人的新分水岭。 当 “大脑” 成为机器人的分水岭 2026 年，具身智能正以肉眼可见的速度从展台走向真实场景。据中国电子学会数据，2026 年上半年国内人形机器人出货量已超 4 万台，全球占比高达 97%；海外科技巨头亦在加速入场：OpenAI 首席执行官已确认公司将自主研发人形机器人，并直言机器人外观 “远不如真正弄清楚如何让机器人大脑运转重要”，计划 2027 年推出演示样机，核心攻关方向正是驱动机器人运转的智能系统。 从中国制造的规模领跑，到全球巨头押注 “大脑” 竞赛，行业共识已然清晰：形态不再是分水岭，真正决定机器人能否 “干活” 的，是具身大脑在复杂场景中的规划、决策与泛化能力。 在这一赛道，一种关键能力正浮出水面 —— 让机器人从 “看懂环境” 走向 “连续干活” 的长程规划，正在成为具身智能落地的新分水岭，也为行业打开了一条高性价比的研发路径。 长程规划：具身大
- 原创 今日晴天 2026-11-06 15:41 湖北 既要，也要。 编辑｜Sia 规模也能经济。 仓库里的马拉松 一台矮矮胖胖的机器人拐进货架之间。它闪烁着信号灯，外形像一只装了轮子的行李箱，沿着狭窄的巷道快速移动。 迎面，另一台机器人正好驶来。眼看就要撞上，两台机器人却灵活地错开，继续执行各自的任务。 转过一个弯，其中一台贴近货架，抓住轨道，沿着垂直方向「蹭蹭蹭」地向上攀爬。它要取走的是一个高处的料箱。完成任务后，料箱将被送往人工工作站，等待分拣。 这样的场景，在菜鸟广州增城猫超仓（以下简称猫超仓）的 2000 平方米存储区里不断上演。 这里有 135 台 ZeeBot 攀爬机器人、9 米高的 20 层密集货架，以及 4.2 万个料箱。机器人像一群现实版《吃豆人》，在巨大的立体迷宫中穿梭，有的忙着出库，有的负责补货。 这场游戏最特别的地方在于，它恰好发生在「双十一」。10 月 20 日晚 8 点，天猫「双十一」全面开卖。当天，猫仓高峰期出库件数直接飙到日均同时段的 3 倍。 在持续 28 小时的订单洪峰中，机器人累计垂直运行里程超过 140 公里，单小时峰值达到 11 公里。一场超
- 机器之心 2026-11-05 16:21 北京 连续统一多模态模型的想象空间，或许才刚刚打开。 走向物理 AI 时代，构建一个能真正统一语言与视觉的多模态基座模型是关键一步。然而，语言本质上是有序的 Token 序列，视觉则是连续的高维像素分布，两者在信息结构上存在天然的鸿沟。如何在一个模型内统一这两种截然不同的分布，一直是一个备受争论的话题。 目前，主流的解法主要有两条。一条是全离散路线（如 Chameleon、Emu3），它把图像也量化成离散 Token，与语言拼在一起做自回归建模。但这种方法受限于视觉 Tokenizer，图像的高频细节在量化过程中极易丢失。另一条是混合离散 - 连续路线（如 Transfusion、JanusFlow），文本走离散预测，图像走连续扩散。虽然避开了量化瓶颈，但一个模型里得同时维护两套截然不同的目标函数和采样流程，不仅工程实现复杂，联合优化的难度也很大。 既然两条路都有妥协，有没有第三种解法？ 近日，华中科技大学王兴刚团队与地平线机器人等机构合作，提出了 Multimodal Flow，给出了第三条路线：全连续。在这个架构下，语言和视觉各自保留在原
- 原创 关注大模型的 2026-11-05 16:21 北京 文心5.5 Flash Base 编辑 | 泽南 Agent 开始连续执行任务，对于模型的需求有了新变化。 随着任务链条的拉长，模型每一步的计算开销、长文本能力，都会影响最终的使用体验与成本，这让 Flash 档模型的重要性越来越强：它们更注重在能力、速度与成本之间找到平衡，承接那些高频和持续运行的工作。 11 月 5 日，百度文心系列正式发布新一代基座模型文心 5.5 Flash Base（ERNIE 5.5 Flash Base），并开放了权重。 这次发布的是一个稀疏 MoE 语言模型，总参数量 280B，每 token 激活 14B，其在 33.5T tokens 上从零完成预训练，最长的训练上下文为 128K，微调与推理阶段外扩到 1M tokens 的长上下文。 该模型已开放权重，并已联合 vLLM、SGLang 等社区提供开源生态支持。 HF FP8: https://huggingface.co/baidu/ERNIE-5.5-Flash-Base HF BF16: https://huggingface.co/
- 原创 关注Agent的 2026-11-05 16:21 北京 下一代 AI 原生应用是什么样？ 机器之心编辑部 Personal Agent 撕开了一道 AI 应用的口子。 个人记忆、生态工具、需求透视等一系列要点的叠加，让 Personal Agent 的理念有了更明确的定义：Agent 依托于模型的推理、规划与调用能力，但又不单单依赖于此，记忆是否准确、工具是否丰富，都决定着 Personal Agent 对用户需求的满足率。 Agent 的能力开始围绕「人」来构建。“根据用户需求和专业数据，我们建立了覆盖 30 多个行业的需求透视图，将需求归纳为不同意图，再拆解出 8000 多个模型的原子能力需求，通过后训练和强化学习，提升任务执行的稳定性和效果。” 在介绍千问正在邀测的 Personal Agent「千问 Go！」技术框架时，千问事业部 AI 算法负责人蒋冠军表示。 Agent 正在执行更复杂、更不确定的用户任务。在蒋冠军谈及的案例中，当千问 Go 帮助一位用户争取航班延误理赔时，考虑到用户表达过 “要现金赔偿”，直接拒绝了客服提出的优惠券方案，多次沟通与尝试，最终获赔 70
- 机器之心 2026-11-04 12:00 北京 代码写错了、命令报错了、环境配坏了，Code Agent 接下来会做什么？ 在复杂终端任务中，一次错误往往会引出一串无效操作：重复安装已经装好的依赖，沿着错误假设继续修改代码，直到耗尽预算、任务失败。这些失败，能不能反过来成为 Agent 自我改进的训练材料？ 来自复旦大学、香港中文大学 MMLab 和上海交通大学的研究者提出 ReTerm，让终端智能体尝试恢复自己造成的失败，再从恢复结果中学习，探索一条由自身错误驱动的递归自我改进（Recursive Self-Improvement，RSI）路径。 这项工作的关键，是把「自己遇到问题、自己尝试恢复、根据成败更新参数」接入同一个训练闭环。模型变了，它产生的失败也会变化，新的失败又继续成为下一轮学习的起点。 论文链接：https://arxiv.org/abs/2610.18484 代码、模型与数据：https://github.com/twothsnd/ReTerm Hugging Face Paper：https://huggingface.co/papers/2610.18484
- 机器之心 2026-11-04 12:00 北京 让Agent换个对话也能记住你！ 机器之心发布 上个月告诉助手「订机票选靠窗座位，优先上午的航班」，这次出差让它订票，它还记得吗？换一个对话、交给另一个执行任务的 Agent，这条要求还在吗？ 近日，DeepSeek 在《Super-agent 设计探索》中为下一代智能体提出了四个特征：连续、高效、主动、持久，并主张「Session 应当是系统的实现细节，而不应是用户的认知负担」。会话交给系统管理之后，用户交代过的要求、做过的任务、给出的反馈，怎样进入下一次工作，就成了系统设计要回答的问题。 常驻型个人智能体 Comma 给出了一套完整的工程实现：整个工作区只保留一条主会话，用快速决策模型 Jev 维护一份所有 Agent 共享的事实清单，让 Agent 自己编写监控程序，并根据人工验收和实际花费持续调整任务分配。 值得一提的是，Comma 在这条路线上起步更早。今年 4 月 28 日，Comma 的前身 Bridge 公开发布，产品形态就是一个常驻的主 Agent 统一接收请求、把具体任务分派给子 Agent；6 月 3 日，固定的主
- 原创 关注国产算力的 2026-11-04 12:00 北京 面向高质量算力。 编辑｜冷猫 近年来，AI 算力的赛道上从来不缺故事。 就连行业巨头英伟达也不能免俗。在今年柏林的 GTC 大会上，黄仁勋带着一群可爱的机器鸭 Microduck 亮相。小黄鸭们应声起立，坐下，翻跟头，一下子风靡全球。 黄仁勋说这些小黄鸭「在 RTX Spark 上诞生，在云端一堆英伟达超级计算机上训练，又在数字孪生里学会了本事」。 近日，天数智芯在上海举办了主题为「从模型到世界」的媒体开放日。这是这家今年 1 月登陆港股的通用 GPU 公司，上市以来首次系统性地向媒体展示产品全貌。 而「手搓版」Microduck 也出现在了开放日现场。这是通过 3D 打印和手工组装制作的机器鸭，在现场表演「走路、打盹、起身」等动作。 和英伟达方案不同的是，英伟达的小黄鸭训练仍然依赖云端算力的支撑。而天数智芯的小黄鸭，在一台端侧设备上完成了全部训练流程。 这是天数智芯最新端侧算力终端 彤央 TY1200 ，稠密算力标称值为 300 TOPS，实测性能超越英伟达 Thor T5000。 在现场，一台彤央 TY1200 终端，独
- 机器之心 2026-11-03 23:27 北京 要让生成路径「走直」，首先需要按照数据所在空间的几何，定义什么是「直」。 本文作者分别来自内蒙古大学、上海财经大学和卡内基梅隆大学 (CMU)。第一作者贾啸寰是内蒙古大学博士生，通讯作者为内蒙古大学范少华研究员。上海财经大学的徐韧喆助理教授、王晓副教授以及 CMU 的博士生 Jiayun Wu 为论文的共同作者。 用流匹配（Flow Matching）或扩散模型（Diffusion Models）生成一张手写数字图像、一段 DNA 序列，通常需要从噪声出发，经过多步采样才能得到结果。每一步都要调用模型，生成质量逐渐改善，计算开销也随之增加。 能不能只调用一次模型，就完成整个生成过程？ 对于字符、二值像素和 DNA 碱基等离散数据，难点还在于：类别概率所在的空间具有自己的几何结构，生成路径该如何在这个空间里 “走直”？ 研究团队提出了 Rectified Statistical Flow（ReSFlow）：将类别概率映射到球面，在球面上重新配对并整流生成轨迹，让模型能够沿接近测地线的路径，通过一次更新完成生成。在二值化 MNIST 上，R
- 机器之心 2026-11-03 23:27 北京 机器人在便利店的 24 小时直播结束了，但由真实场景牵引的机器人，才刚刚开始。 机器之心发布 11 月 2 日 10 时起，上海徐汇区一家正常营业的便利店里，店里的员工换成了 6 台智元精灵 G2 人形机器人。 它们各有分工：阿豪负责迎宾接待与顾客咨询，火宝承担取货补货，倦王巡视货架，咖少是专职咖啡师，叮酱负责收银与熟食服务，冷姐负责桌面清洁。 直播期间，门店照常营业，顾客照常进店，机器人连续作业 24 小时，从午高峰到晚间客流，从深夜值守到次日早高峰，四个班次一个不落。 考核标准完全比照真实门店：在岗时长、业务完成量、顾客评价，加上任务成功率、响应时间、异常处理能力，共同构成转正评分。 整体上看，机器人面对刁钻任务仍能应付自如，偶尔也有失手时刻。最终，四台机器人成功转正，冷姐和倦王因在岗积极性、岗位稳定性上的小瑕疵，暂未转正。 在习惯了 “完美收官” 的行业语境中，这个不加修饰的结果有些少见。机器人演示与部署之间的鸿沟，此前少有公开丈量。便利店 24 小时直播，正是智元将完整技术栈置于真实营业环境、接受全网监督的一次公开压力测试。 真
- 原创 关注具身智能的 2026-11-03 23:27 北京 谁能把机器人变成整仓生产力？ 编辑｜Youli 11 月 3 日，上海新国际博览中心，CeMAT 2026 现场人潮涌动，货架之间一台台机器人穿梭其中，展示着对货物的抓取、分拣与转运…… 仔细观察，一个明显的变化正在发生：原本属于物流行业的展会，俨然成了具身智能角逐实战能力的新擂台，宇树、星动纪元、自变量等众多具身智能玩家集体「跨界」涌入。 仓储物流，似乎正成为物理 AI 走出实验室、产业落地的「主战场」。 然而，真实仓储不同于实验室，对机器人提出了更高难度的挑战，海量 SKU 每天都在动态变化，商品的材质、形状、反光特性与堆叠姿态各不相同。 这意味着，具身机器人既要具备足够强的泛化能力，又要保持稳定的作业节拍。但现实中，厂商往往面临两难：要么具备泛化能力但动作迟疑、节拍过慢，无法满足商业生产节奏；要么动作敏捷但依赖预设示教，商品品类稍有变化即停摆…… 而在展台上，极智嘉展示了另一种可能。 搭载了 Gravity 具身模型的机械臂面对现场观众递过来的陌生物品，能随机应变，完成挑战…… 面对日化用品、瓶装饮料等不同类型的商品，
- 机器之心 2026-11-02 18:19 辽宁 有望帮助策略学习偏差纠正与受挫恢复，为更鲁棒的机器人操作提供支持。 用螺丝刀拧紧螺丝，听起来并不复杂。 但真正动手时，往往还要挪一点、转一点、退出来，再重新对齐。换成遥操作机器人采集数据，这个过程只会更考验耐心。即使是 “大国工匠” 般熟练的数采员，面对精细度要求极高的任务，也未必能一次交出从头到尾都足够丝滑的示范。一条最终成功的轨迹里，可能包含多次无效调整；一条最终因超时或碰撞而失败的尝试中，却也可能有几步对齐做得很好。 这给视觉语言动作模型的后训练提出了一个问题：如果数采员自己都很难采出一条近乎完美的轨迹，机器人应该向什么样的经验学习？ 浙江大学沈春华团队联合中国电信人工智能研究院（TeleAI）& 伽马智能白辰甲团队，围绕这个问题提出了 Graph-Reweighted Behavior Cloning（GR-BC）。 团队考虑的是另一种可能：一条更好的成功路径，未必完整存在于某一次示范中，却可能隐藏在多次尝试之间的连接关系里。把这些经验放进同一张图，能否先在图的 “脑海” 里找到一条更好的路，再由图担任裁判，指导机器人学习值得模
- 原创 关注AI的 2026-11-02 18:19 辽宁 「我训练了1亿参数模型，打败了720亿的LLM。」 编辑｜Neo、泽南 人工智能先驱 Yann LeCun 一直主张「生成式 AI 是一条死胡同，世界模型才是真的未来」。 他认为自回归生成有数学上的硬伤，文本承载不了人类的大部分知识，真正的推理也不是基于优化的推断，衡量智能的标准应该是学习新任务的速度，以及零样本应对全新环境的能力。 基于这种观点，LeCun 寻求的替代路线是世界模型 + JEPA，一套目标驱动型架构。最近他提交的一篇论文向着这个方向前进了一大步，它从数学上论证了「next-token 预测路线效率低下」，还给出了自己的方法，用一个 1.09 亿参数的模型打败了 720 亿的 LLM。 一个只看图片的模型，与一个文本大模型，会不会在内部形成相似的「概念地图」？ 柏拉图表征假说（Platonic Representation Hypothesis, PRH） 由 Huh 等人在 ICML 2024 论文中提出，指在不同模态（视觉、语言）上分别训练的模型，随着规模增大其内部表征会越来越相似，最终收敛到同一个对现实的共
- 机器之心 2026-11-02 18:19 辽宁 VAST 发布新一期 V・STAR 顶尖人才计划 机器之心发布 9 月以来，全球顶尖大模型几乎都在秀 3D。 从 GPT-6 Astra、Claude Opus 5.5 到 DeepSeek V4.1-Flash-1017、Kimi K3.1 Pro，三维创作正在成为展示模型能力的新场景：一句话搭建房间，用代码构造机械装置，甚至直接生成可以操作的 3D 网页。随着编程与工具调用能力进步，过去需要在多款专业软件之间辗转的工作，开始被串进一段自然语言驱动的流程。 当演示变成真正的创作，问题也随之变得具体。 角色能不能更像参考图？机械装置的部件能不能独立运动？生成的资产能不能顺利进入游戏引擎？第一版不满意，能否只修改其中一部分，而不必全部重来？ 10 月 30 日，Kimi 官方公众号发布了一篇 3D 创作教程贴，文中提到，对于适用于人物、动物角色、雕像、怪兽和复杂道具等精细建模的网格化建模，K3.1 Pro 等大语言模型「暂时还做不太好」，为了确保良好体验，在用户发起人物、动物等更适合网络化建模的任务时，Kimi 会自己整理好提示词与参考图
- 机器之心 2026-11-01 12:00 四川 混合架构为什么有效，以及怎样设计得更有效？ 本文第一作者柳潇然，复旦大学、上海创智学院 2022 级硕博连读生，导师邱锡鹏、何子薇。研究方向为长上下文大语言模型，曾在 ICLR、ICML、AAAI、EMNLP 等国际顶级人工智能会议发表论文十余篇。 背景介绍 长上下文已经成为大语言模型重要的基础能力，但长上下文也给模型架构带来了一个现实问题：全注意力能够直接建模任意位置之间的关系，却带来随序列长度显著增长的计算和显存开销；滑窗注意力和线性注意力更加高效，但效果上都存在明显的不足。因此混合架构逐渐成为当前大语言模型设计的主流。 面对滑窗注意力和线性注意力两类固定计算与存储复杂度的高效方案，混合架构应该采取全注意力与哪种的混合呢？复旦创智邱锡鹏团队的最新工作混合架构的长文力学 Mechanics of Long-Context Hybrid Models 给出了一个有趣的答案：我全都要。 论文从混合位置的角度，系统比较了基于 RoPE/NoPE 全注意力、滑窗注意力（SWA），以及 GLA/GDN 等门控线性注意力的混合架构在长上下文任务中
- 原创 关注额度的 2026-11-01 12:00 四川 从「重置公司」到「token 公司」，Tibo 一语成谶 编辑｜Panda 过去四周，OpenAI 的 Codex 用户几乎每隔一天就能收到一次额度重置。福利发到最后几天，账本收紧了。 OpenAI 帮助中心刚刚上线了一篇名为「Understanding ChatGPT and Codex usage limits」的文档，开头第一句就交代了变化：从 12 月起，Plus、Pro 和 Business 三档付费计划的用量额度，将在 ChatGPT 和 Codex 之间共享。OpenAI 给出的理由是，他们正在把 ChatGPT Work 的智能体能力并入 ChatGPT 的主体验。 https://help.openai.com/en/articles/20001625-understanding-chatgpt-and-codex-usage-limits 翻译成大白话：以前订阅 ChatGPT，网页里聊天和 Codex 里写代码各有各的额度，互不干扰；12 月之后，两者从同一个池子里扣。更大的变化在计量方式上，额度将统一按
- 原创 关注AI的 2026-11-01 12:00 四川 一个模型包揽导航、停靠、抓取，国产具身智能有新进展 编辑｜陈陈 机器人终于不只是知道往哪走，还知道该在哪里停、以什么方向面对目标，甚至停稳之后，就能直接上手干活。 听起来理所当然，但对机器人来说，这恰恰是一道长期存在的难题。 比如，让机器人收拾桌上的杯子。能走到桌边，不代表就能拿起杯子。底盘停得稍远一点，机械臂可能够不着；朝向稍有偏差，后续抓取也可能受到影响。 如何让机器人不仅走得到，还能停得准、拿得起，甚至完成更复杂的灵巧操作？ 最近，国内团队给出了一条颇有意思的新路线。 飞捷科思（Fysics AI）联合复旦大学认知与智能技术实验室（CITLab），提出统一世界动作模型 Fysiverse-UniWAM，尝试用一个模型，将自主导航、移动操作与固定工位灵巧操作三类原本相对独立的能力贯通起来。 更值得关注的是，这套模型没有走以大规模机器人预训练为起点的传统路线。 团队从预训练视频世界模型出发，通过共享骨干网络实现导航与操作的联合学习，并提出 MAP（Manipulation Anchor Pose，操作锚定位姿），构建了超过 1
- 原创 关注AI的 2026-10-31 15:28 北京 Anthropic订阅计划改名。 机器之心编辑部 刚刚，Anthropic 宣布对 Claude 订阅套餐进行更名。 原来的 Max 5x 更名为 Max，每月仍为 100 美元；Max 20x 则更名为 Ultra，每月仍为 200 美元。 现有订阅用户无需任何操作，价格与权益不变，名称自动切换。 完成更名后，Claude 的个人订阅套餐形成了 Free、Pro、Max 和 Ultra 四个档位。 同时，Anthropic 开始为已验证的 Ultra 账户解除 5 小时使用限制，大多数现有订阅用户将率先受益。 新注册的 Ultra 账户暂时仍受 5 小时限制约束，完成账户验证后，Anthropic 将通过邮件通知用户解除。 消息一公布，开发者 Theo 直接评价道「Huge!!!」。 还有网友表示，200 美元档位终于取消了 5 小时限制，Anthropic 最近的产品更新势头很猛。 Codex「重置之神」Tibo 则表示每周限额依然很严，不如直接改成每月重置更痛快。 「20x」为何改名 Ultra？ Claude 订阅产品负
- 原创 关注大模型的 2026-10-31 15:28 北京 「你根本不会用内存。」 编辑｜泽南 「从全球资源配置的角度来看，让每个人把紧缺的 DRAM 囤在自己电脑里大部分时间闲置，是『相当糟糕』（quite terrible）的安排，内存应该集中到云端数据中心去。」 话都说到这份上了。 本周四在接受 YouTube 频道 Cheeky Pint 的采访时，OpenAI CEO 山姆・奥特曼（Sam Altman）全程喝着啤酒，气氛轻松地聊了聊 AI 大模型的本地推理，以及由此延伸出的家用电脑内存不足的问题，不经意间爆典了。 我们知道，目前全球 AI 浪潮引发的内存涨价，已经让 PC 和手机的价格暴涨了一圈，个人消费者早已难以承受。与此同时，各家内存大厂的产能扩张还要等一阵子。就在前沿 AI 公司吃下内存大头的同时，他们却已经开始讨论起个人电脑中的内存是否得到充分利用。 奥特曼提到一个假设，即人们能够在自己的电脑上运行本地人工智能，这些电脑可能是他们已经拥有的，也可能是因为 AI 大模型技术兴起，他们想要组装的。他认为这是一个糟糕的想法。 「从全球资源分配的角度来看，让每个人都把全球有