搜索
浙江大学ACES实验室OmniAI团队提出VLA-Δ，通过三类监督学习物理状态变化，基于2B视觉语言骨干在LIBERO取得98.4%的平均成功率，并在真实双臂机器人五类任务中取得68.0%的平均成功率。
魔芯科技在世界互联网大会发布通用4D世界模型MoWorld 2.0，将十余种物理要素纳入统一建模，并通过华为昇腾NPU协同优化将实时视频推理速度提升至70 FPS。
用螺丝刀拧紧螺丝，听起来并不复杂。
当我们谈论智能眼镜时，许多人的第一反应仍是：它能不能拍照、放歌、导航，或者它就像一个戴在头上的语音助手？
一句话概括：多答案问答要求智能体找全整个答案集合，而不是只搜到一个就停止。现有 RL 方法在此场景下存在两处错位：优势计算停留在轨迹级，信用分配粗糙；F1 奖励对头部与长尾实体一视同仁，智能体缺乏探索长尾的动力。
设想一个日常场景： 家庭机器人刚刚在茶几上看见一本书，去厨房完成几项任务后，接到取书的指令，却又开始挨个房间搜索。它已经试过一个打不开的抽屉，过了一会儿，还是回到同一个抽屉前反复尝试。
在与用户的实时对话中，AI能否及时感知情绪？模型给出的“高置信度”结论，又是否经得起推敲？
魔芯科技让4D世界模型MoWorld首次进入华为Mate 90的鸿蒙应用摸小宠，可基于少量照片生成可自由浏览、支持动态与物理交互的4D场景。
阿里巴巴达摩院与浙大一院联合研发的DAMO RADAR登上Science正刊，作为全球首个专家级通用影像AI模型，其在39,160次测试中可一次性识别超过146种腹部病症，平均AUC达0.913，首次达到影像科资深医生水平。
当大模型已经能够快速生成文案、图片和视频，一个更进一步的问题是：Agent 能否从执行过的任务中积累经验，并在持续交互中改进后续行为？