仅凭本体感知即可应对复杂地形：上海 AI Lab 推出全新四足机器人控制框架 HIM
全称：混合内模：利用仿真机器人响应学习敏捷的足式运动作者：Junfeng Long1,∗Zirui Wang1,2∗, Quanyi Li1, Jiawei Gao1,3, Liu Cao1,3, Jiangmiao Pang1 1OpenRobotLab, Shanghai AI Laboratory, 2Zhejiang University, 3Tsinghua University链接：https://doi.org/10.48550/arXiv.2312.11460目前，基于深度强化学习的四足机
AI评测革命:告别"跑分"时代,重新定义机器认知评估标准
大家好，我是万象大叔。专注 AI，讲透技术，看清产业，商业落地，投资赚钱。当大语言模型的参数量级与训练数据规模跨越关键节点后，传统依赖静态封闭数据集的“刷分”式评估，其可靠性正在快速瓦解。在MMLU、GSM8K等公开基准上斩获接近甚至超越人类水平的模型屡见不鲜，然而它们在真实对话、深度推理和开放场景中的表现却可能判若两“机”。这暴露了一个根本矛盾：我们用来衡量AI“智商”的标尺，正被AI自身迅速“破解”和“过度适配”。因此，模型评测的核心范式正经历一场悄然却深刻的变革：其重心从“测量模型记忆了多少知识”，
宇树推出物理AI UniBot全球赛事
新浪科技讯 7月10日晚间消息，宇树启动物理AI UniBot全球挑战赛。据透露，该赛事聚焦具身智能大模型泛化能力不足的痛点，围绕多样化桌面操作任务，开展统一且规模化的真实硬件测试，验证单一模型在多任务中的通用表现。 挑战赛包含两项任务，首项基于Unitree G1人形机器人(16.330, -0.33, -1.98%)平台，评估通才模型在真实场景多任务操作中的泛化水平，以平均成功率和平均步骤分衡量，覆盖五类泛化场景。 第二项任务涉及32项真实桌面操作，包括抓取、放置及双手协作。 宇树科技称，赛事旨在加速
RoboScience机器科学推出通用具身大模型Visics，VLOA架构实现三大维度泛化
新浪科技讯 6月26日晚间消息，近日，通用具身智能企业RoboScience机器科学首次披露自研Visics大模型技术架构VLOA（Vision-Language-Object-Action），并展示了模型在多项真实场景的应用，包括全球最复杂具身操作任务家具拼装。 当前，机器人操作面临泛化能力差、精细操作难、长程任务误差累积三大核心瓶颈。据RoboScience机器科学创始人兼CEO田野介绍，Visics大模型通过自研技术架构VLOA，把机器人“认知”与“执行”彻底解耦，实现了三大维度泛化：指导任意机器人
AI研究前沿速递（6月11日）
LG - 机器学习 CV - 计算机视觉 CL - 计算与语言1、[CL] 跨越鸿沟：前沿大语言模型能否通过标准化办公能力考核？ 2、[LG] 统一大语言模型预训练中的本地通信与本地更新 3、[LG] 能精简（至少量Token）者，皆不易过拟合：机器学习研究智能体中的压缩与泛化 4、[LG] 解决反馈对齐中的秩崩溃问题 5、[CL] 汇聚真实复杂环境下的AI智能体集体智慧驱动科学新发现摘要：前沿大语言模型能否通过标准化办公能力考核、统一大语言模型预训练中的本地通信与本地更新、机器学习研究智能体中的压缩与泛
腾讯汤道生与姚顺宇深度对话：AI下半场的战略思考与实践
来源：互联网坊间八卦 日前，腾讯集团高级执行副总裁汤道生与腾讯混元大模型及AI应用负责人姚顺宇进行了一场深入交流，双方围绕AI下半场的定位、产品与模型的协同关系、组织变革及行业发展趋势等方面展开了系统性探讨。 “下半场“的核心在于从探索方法转向挖掘问题。姚顺宇认为，预训练和后训练已使方法论趋于完善，真正的难题变成了“筛选出真正值得解决的好问题”。腾讯具备丰富的产品矩阵和Context优势，这是他选择加入的重要原因之一。更深层次的考量在于企业文化，腾讯总办团队的坦诚务实、基于Trust而非Metrics的运
AI的推理究竟是怎么回事？
这里是AI大白话第011篇。上篇讲了，AI写东西就是猜概率，一个字一个字地猜。那问题来了—— 一个只会"猜"的东西，为什么能推理、能思考、能帮你做决策？更关键的是：它的"推理"，真的靠谱吗？先说清楚它到底怎么"推理"的，再聊值不值得信。你可能会觉得，AI天生就会推理——它被造出来就这么聪明。不是这么回事。AI能"推理"，经历了三个阶段。第一阶段：喂数据。让它"见世面"。AI被塞进了几万亿字的文本——书、文章、论文、代码、对话、
复旦苏昊：AI 想统治世界，先学会理解物理
ChatGPT 既能赋诗，也能解题，还能与你探讨哲学。可若让它将桌上的杯子向前推一推——它竟连“杯子是否会倾倒”都无从知晓。这并非刻意抹黑人工智能。5 月 27 日，复旦大学新任通用物理智能研究院院长苏昊教授，在校庆报告会上提出了这一难题。这是一个令当下所有大模型集体失语的问题。而他给出的结论更引人深思：“AI 的下一座里程碑，不在于更擅长言语，而在于理解物理世界。”过去十年，AI 领域经历了怎样的变迁？2012 年，ImageNet 让机器学会了视觉感知2022 年，ChatGPT 让机器学会了语言表达
技术突破 应用加速 具身智能机器人驶入发展快车道
● 本报评论员 欧阳剑环 “将废弃物整理到透明托盘上。”在自变量机器人(15.170, 0.14, 0.93%)企业内，“量子1号”机器人在接收到这一指令后开始了具体的操作。 当产业界人士热烈探讨具身智能的“ChatGPT时刻”何时到来之际，一个共识也在形成，那就是要强化具身智能应对多样任务的适应能力，使其在各类场景中更好地服务人类。 中国证券报记者近日在深圳走访多家具身智能企业了解到，伴随着技术突破和通用能力提升，具身智能机器人正变得更加智慧、更加全能。 “‘将废弃物整理到透明托盘上’是一个相对模糊的指
AI赋能牙周病诊疗：当前实践与发展前景
本内容系学术见解汇总，旨在供专业人士研讨，不作为医疗实践指导伴随AI技术在口腔医疗领域的深度融入，若干智能辅助诊断工具已日趋完善，并逐步融入日常诊疗环节，显著提高了诊断效率与精确度：1.影像骨量自动化测算：智能系统能够于根尖片、全景片等口腔影像中自主定位牙槽嵴顶，精确量化牙槽骨缺损状况，其测算精准度堪比资深牙周专科医师，能显著降低人为测量的偏差与主观因素，缩短临床诊断耗时。2.龋齿与根尖病灶识别：人工智能在解析口腔影像方面优势显著，针对龋齿及根尖周病变的检出率逾九成，可迅速发现初期及隐蔽性病灶，部分商用软
AI关键技术快速参考指南
1️⃣预训练（Pre-training）🔵核心定位：AI的「通识能力奠基」 📝通俗解释：模型部署前，通过海量通用信息（文字、常识、逻辑规则）习得基本技能，类似儿童学习语数外等基础学科。 ✨关键特点：计算资源需求巨大、训练周期漫长、主要由科技巨头主导；奠定AI的基础认知与表达水平。 💡一句话记忆：预训练=夯基石，构建通用技能根基2️⃣微调（Fine-tuning）🟢核心定位：AI的「领域专精训练」 📝通俗解释：采用特定领域数据（如医疗、法务、客服等）对已具备通用能力的AI进行定向优化，使其从"多面手"转型为