让机器人学会一只手拿杯子、一只手拿水壶浇花,到底难在哪里
PointWAM是一种三维世界动作模型,将场景与手部统一表示为三维点轨迹,支持在人类演示视频上大规模预训练,显著提升灵巧机器人操作成功率,在模拟与真实机器人实验中均超越主流基线方法。
PointWAM是一种三维世界动作模型,将场景与手部统一表示为三维点轨迹,支持在人类演示视频上大规模预训练,显著提升灵巧机器人操作成功率,在模拟与真实机器人实验中均超越主流基线方法。
研究给视觉语言模型加装内部世界模型,让AI像人一样在脑海中想象视觉变化再做空间推理。在2D和3D心理旋转任务上,新方法WM-VLM比纯文字推理的微调模型最高提升39.25个百分点,并证实模型确实依赖生成的视觉状态进行推理...
论文发现大模型知识编辑存在"背得出整段话却答不对单个问题"的缺陷,揪出背后的上下文诱导难度低估现象,并提出FOVEATED框架,通过扰动位置编码打破上下文捷径,显著提升模型对编辑知识的准确回忆能力。
腾讯团队提出"软件在环重建"方法,用科学软件自身生成参考答案和验证标准,解决终端智能体在科学领域缺乏训练数据的难题,构建500工作流的SWR数据集并验证了训练效果提升。
论文提出Extender架构,将Transformer残差流拆分为预测通道和注意力记忆通道,仅用32维扩展特征即可媲美标准模型短文本表现,并在长文本任务上超越它,持久注意力内存占用缩小104倍。
这篇论文提出4DCodeBench基准,测试18个AI编程模型能否根据视频写代码重建出会动的三维场景。结果发现AI静态重建得好,动态物理推理普遍偏弱,揭示了当前AI"看懂"与"理解"物理世界之间的真实差距。
现代营销云平台 AppsFlyer 今日正式发布 2026 版《广告平台综合表现报告》(Performance Index)。
论文提出尾部影响采样方法,针对强化学习策略和语言模型工作流的CVaR风险评估,通过学习可查询模块的尾部影响分数优化采样预算分配,在多个基准上显著降低估计误差。
KeyRec是一种训练-free的视频记忆压缩框架,将视觉记忆拆分为最近缓存与结构化事件库,配合文本路由器按问题动态读取,仅用10%视觉token预算便在多项流媒体与长视频基准上超越现有压缩方法。
2026红帽论坛上,全球领先的企业级开源解决方案提供商红帽正式公布2026红帽亚太创新奖获奖企业名单。泰康保险、长安福特、李锦记和新开发银行四家企业获此殊荣。
研究发现,当前最强的AI医疗事实核查系统,在真实开放式医疗问答中仅能找出医生标注错误的四分之一,换更大模型、更长推理、医学微调均未能解决,揭示检索验证范式的结构性局限。
在2026数据存储产业大会上,中科曙光与多家单位共同启动新的国家标准建设工作,并发布《人工智能存储系统能力要求》和《大模型推理存储系统技术要求》两项已落地的团体标准。
重大漏洞披露后,安全团队发出了排查通知,运维团队也开始安排更新,但修复工作未必能顺利推进:哪些资产真正受影响,还在反复核对;高风险清单已经发出,适用。
EyeRobot 2.0是一套仅靠单个固定立体摄像头、模拟人眼主动注视机制的机器人操作系统,无需腕部摄像头即可完成插吸管、套笔帽等精细双臂任务,真实世界成功率达67%,媲美甚至超越传统腕部摄像头方案。
一个1.5B学生模型如何同时拜数学、代码、逻辑三位专家为师?本文解读Latent-MOPD,首个让学生同时学习多位老师"答案"和"内心想法"的蒸馏方法,九项基准全面超越现有方案,部分指标甚至反超专科老师本身。
NowWAM发现机器人生成式训练的关键不在于预测未来画面,而在于让动作预测跨越扩散模型完整的去噪轨迹训练,去除未来目标后机器人鲁棒性提升、训练成本减半,纯文生图模型同样适用。