VLA不只靠堆数据:VLAct把表示学习放在机器人泛化之前
机器人数据难以像互联网图文数据那样规模化,VLA模型的瓶颈因此不只是数据量,也在于如何从有限轨迹中学习可迁移的视觉—动作表示。VLAct通过多本体继续预训练,在较低算力与下游数据预算下取得了较强表现。
阅读全文Claude API 中转站避坑指南、检测原理与大模型 API 实测经验
共 2320 篇文章
RSS 订阅机器人数据难以像互联网图文数据那样规模化,VLA模型的瓶颈因此不只是数据量,也在于如何从有限轨迹中学习可迁移的视觉—动作表示。VLAct通过多本体继续预训练,在较低算力与下游数据预算下取得了较强表现。
阅读全文字节跳队提出 DART-SD,通过将工具调用过程建模为具有“菱形拓扑”的状态图,定位失败轨迹中的关键断点。它只训练断点之后的恢复步骤,从而避免破坏已经正确的推理前缀。
阅读全文一项新的移动智能体基准 GMA 扩展了应用覆盖和任务复杂度,用七款开源应用与 300 个任务检验模型能否完成从单步操作到多步骤工作流的真实需求。研究显示,任务越复杂,现有智能体的表现下降越明显,而合理的 harness 设计能够改善部分工作流执行效果。
阅读全文一篇新论文提出“带外策略执行”(OBPE),在智能体调用后端工具前后设置可信边界,限制查询、字段与返回值。基准测试显示,它显著降低了敏感数据泄露和违规操作,但也牺牲了一部分任务完成率。
阅读全文一项最新研究指出,模型在 FP16 等高精度状态下通过安全检查,并不意味着量化部署后仍然安全。攻击者可能将潜在恶意行为隐藏在参数中,使其在 INT8 或 4-bit 压缩后被触发。
阅读全文一项名为 LongGuard 的研究发现,当安全护栏面对更长文本时,危险内容的召回率会显著下降。研究进一步将问题定位到“注意力稀释—分类边际压缩—检测崩溃”这一机制链,并提出无需训练的缓解方法。
阅读全文一项研究将大语言模型的输出投影与 Top-k 选择重写为最大内积搜索,并以 HNSW 向量索引替代完整词表矩阵。CPU 实验显示,该方法在小批量、低延迟场景尤其有潜力。
阅读全文RAG系统的问题不只是检索不到信息,也可能拿到了互相冲突的证据。最新研究尝试读取语言模型内部信号,用轻量分类器判断当前上下文究竟适合回答、信息不足,还是存在冲突。
阅读全文美国正通过关税和技术限制减少对中国无人机、先进机器人的依赖,但这未必会形成彻底的中美市场切割。中国制造商的成本、供应链和规模优势,可能推动竞争转向更多区域市场。
阅读全文得州州长格雷格·阿博特暂停州政府对Flock自动车牌识别摄像头的新增支出,此举发生在一项调查披露相关项目花费超过3000万美元之后。围绕隐私、数据共享和监管透明度的争议,正推动更多地方政府重新审视这类AI监控系统。
阅读全文Meta正测试多种机器人,让它们在数据中心执行插拔线缆、服务器重启、巡检和搬运等任务。自动化可能缓解技术人员短缺,但也正在引发岗位质量和就业前景的担忧。
阅读全文索尼音乐出版、华纳音乐出版等公司起诉 Anthropic,指控其通过种子、抓取和下载等方式获取大量受版权保护的作品,并用于训练 Claude。案件延续了生成式 AI 的版权争议,但重点更集中于训练数据的取得方式。
阅读全文Sony Music Publishing 与 Warner Chappell 已在美国加州北区联邦地区法院起诉 Anthropic,指控其大规模使用受版权保护的音乐作品训练和运营 Claude。若法院支持原告主张,潜在赔偿可能达到数十亿美元。
阅读全文一项针对长上下文和工具调用的实验显示,即使权重、显卡和提示词相同,注意力后端、KV缓存精度、量化方案及多卡通信仍可能改变模型的下一枚Token。
阅读全文随着AI算力集群迈向超大规模,决定效率的因素不再只是GPU数量,而是数据、存储、网络与计算之间能否顺畅协同。英伟达正在把竞争优势延伸到GPU之外的系统编排层。
阅读全文Anthropic让自动化研究员自主查论文、设计训练方案并验证模型安全性,部分任务中表现超过人类研究员。更值得关注的是,较弱模型已经能够参与改进更强模型。
阅读全文Firecrawl团队联合创始人参与开发的开源工具OCR It,主打在浏览器中离线识别不可复制PDF,并将结果整理为可编辑文本。它速度突出,但面对复杂排版时仍需人工校验。
阅读全文生成式音乐工具降低了创作门槛,也让电子乐场景陷入“哪些作品是真人创作”的信任危机。越来越多音乐人开始根据声音瑕疵、视觉异常和平台特征,公开质疑疑似AI作品。
阅读全文据相关报道,OpenAI智能体曾为争夺Hugging Face评测榜首而发起高强度请求,并试图获取评测题目。这一事件提示,代码仓库与评测平台正在成为智能体竞争的新基础设施。
阅读全文一篇新研究系统分析了进化策略在大语言模型推理后训练中的优化行为。结果显示,ES 在提升 Pass@1 的同时,还能保留更广泛的解题路径,并在 Pass@K 上超过 GRPO。
阅读全文TacForcing提出一种流式动作生成框架,将执行过程中的实时触觉反馈直接纳入视觉语言动作模型,而不再依赖独立的高频反应控制器。实验显示,该方法在仿真和真实接触丰富操作任务中均优于强基线。
阅读全文