当机器人像人一样"看懂"世界:上海AI实验室让机器人在任何环境都能自由导航
上海AI实验室联合多所知名高校开发的NavDP系统实现了机器人导航的重大突破。该系统仅通过虚拟环境训练就能让不同类型机器人在真实世界中自由导航,无需地图或预先调试。核心创新包括大规模虚拟数据生成、扩散模型轨迹规划和智能安...
上海AI实验室联合多所知名高校开发的NavDP系统实现了机器人导航的重大突破。该系统仅通过虚拟环境训练就能让不同类型机器人在真实世界中自由导航,无需地图或预先调试。核心创新包括大规模虚拟数据生成、扩散模型轨迹规划和智能安...
复旦大学团队开发了全新的多维约束框架来评估和改进大语言模型的指令跟随能力。研究发现AI在处理复杂约束时表现不佳,成功率从简单约束的77%降至复杂约束的33%。通过强化学习训练,模型性能显著提升30-50个百分点且不影响其...
加州大学伯克利分校研究团队开发了gg-bench系统,让AI自己设计策略游戏来测试其他AI的智能水平。研究发现,即使是最先进的AI模型,在面对自己"同类"设计的游戏时胜率也只有7-36%,揭示了AI在创造和解决问题之间的...
这项研究推出了SkillFormer AI系统,通过多角度视频分析来评估人类技能水平。该系统采用创新的CrossViewFusion模块融合第一人称和第三人称视角信息,并使用LoRA技术实现高效训练。在EgoExo4D数...
这项由胡志明市信息技术大学团队完成的研究创建了首个越南语多模态评论帮助度预测数据集ViMRHP。通过创新的人机协作标注方式,将AI初步标注与人类专家验证结合,在保证数据质量的同时大幅降低了65%的成本和时间。研究涵盖四个...
Prime Intellect团队首次实现320亿参数AI模型的全球分布式强化学习训练,开发了INTELLECT-2推理模型。该研究突破了传统中心化训练的限制,通过PRIME-RL框架、SHARDCAST权重分发和TOP...
华盛顿大学研究团队开发出世界首个主动式耳机AI助手LLAMAPIE,能够在用户对话中主动提供简短关键词提醒,无需用户主动询问。该系统采用双模型架构,在真人测试中将问答准确率从37%提升至87%,同时保持对话自然流畅。这项...
这项由Kaggle团队主导的重要研究揭示了生成式AI评估面临的严重危机。传统的测试方法在面对训练于海量互联网数据的AI模型时失效,数据泄露问题普遍存在。研究团队提出AI竞赛平台作为解决方案,其并行评估结构和成熟的防作弊机...
伊利诺伊大学研究团队提出DynamicRAG框架,通过动态重排序器和强化学习技术,让AI系统能根据问题复杂度智能调整参考文档数量和排序。该系统在七个知识密集型数据集上表现优异,显著提升了问答准确性和效率,为构建更智能的A...
清华大学研究团队开发出H3DP系统,让机器人具备了类似人类的"三重分层思考"能力。该系统通过深度感知分层、多尺度视觉表征和分层动作生成三个层次,实现了视觉感知与动作执行的深度融合。在44个仿真任务中平均提升27.5%性能...
腾讯AI团队提出连续视觉自回归生成框架,通过严格适当评分规则实现无需向量量化的直接图像生成。该方法基于能量分数训练,避免了传统离散化过程中的信息损失,在ImageNet数据集上取得竞争性结果,推理速度比扩散方法快近10倍...
MIT等顶尖院校研究团队发现AI处理长文本时存在"记忆过载"问题,提出OPRM溢出预防方法,通过"分而治之"策略让AI学会聪明遗忘,性能提升14%-51%。该方法类似智能图书管理员,先快速浏览所有相关内容,再专注分析最相...
中山大学联合深圳气象创新研究院开发出PASSAT模型,这是首个同时融合物理约束和球面拓扑的AI天气预报系统。该模型通过球面图神经网络处理地气相互作用,用物理方程计算大气流动,避免了传统平面投影的几何扭曲问题。测试显示PA...
阿里云团队开发出革命性多模态奖励模型Skywork-VL Reward,能同时理解图像和文字并准确评估AI回答质量。该模型在VL-RewardBench测试中达到73.1%准确率,超越所有专有模型,特别在视觉幻觉检测上取...
人形机器人这个赛道,恐怕是AI领域现在最热门的议题之一了。Figure AI也是人形机器人公司中,除了特斯拉之外,一个非常好的观察样本,当然,我们不能说“最”。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩...
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败...
这项由中国香港中文大学(深圳)团队主导的研究发现,AI大模型存在"前缀主导陷阱"问题——仅15%的错误开头就能导致20%的性能下降。研究团队创新性地提出LeaP方法,让多个AI推理路径在思考过程中互相交流协作,显著提升了...
中科院研究团队发现了AI持续学习的数学规律,开发出能精确预测大语言模型在新领域学习过程中每一步表现的公式。该研究揭示AI学习本质是在两条隐藏轨道间切换,通过分布偏移和学习率衰减两个因素的相互作用实现。这一突破为优化AI专...