
世界模型有触觉了!50万小时视频,训出首个隐式触觉世界动作模型 (opens in a new tab)
刚刚,BeingBeyond智在无界发布首个基于人类视频数据的隐式触觉世界动作模型—— Being-H0.8。
Categories
Practical guides to AI tools, models and related technologies.

刚刚,BeingBeyond智在无界发布首个基于人类视频数据的隐式触觉世界动作模型—— Being-H0.8。

JEPA世界模型的底层是Yann LeCun自2017年起持续倡导的自监督学习(Self-Supervised Learning, SSL)。

即使到了人手 N 个 Agent 产品的时代,大部分人还在用 Agent 产品的默认搜索与策略。

还记得「苦涩的教训」(The Bitter Lesson)吗?

训练一个顶级文生图模型,到底需要多少钱?

让 Agent 上网查资料,已经不算新鲜事。

人类可以轻松想象一个还没做出的动作会带来什么:手一松,杯子会掉;往前一推,抽屉会合上。动作尚未发生,大脑已经预演了可能的结果。对机器人来说,具身世界模型(Embodied World Model)会根据当前观察和未来的动作,预测动作执行后的未来画面。

别无脑把Opus 5推理强度拉到max当冤大头。

上周我们发了一篇Agent大横评的文章三家评测,结果评论区出现了一个高频问题: “字节的TRAE Work建议测一下。”

2026 WAIC 刚刚落幕,具身智能无疑是最受关注的技术方向之一。

GPT-5.5能写专业论文,DeepSeek-V4-Pro能生成复杂代码,具身机器人能完成基础物理操作,语言智能和工具智能都已经跑出了自己的赛道。

过去三年,3D Gaussian Splatting(3DGS)几乎成为实时3D场景重建与新视角合成的“默认答案”。

7 月 24 日,Claude Opus 5 上线。几个小时之内,我看到各家媒体把这个模型的评测成绩转载了一轮,而更值得留意的是 Anthropic 内部人员当天发出的一条推文。

装完 codex,很多人在输入框里敲的第一句话是这样的:帮我做个 XX 网站。

大家好,我是连续充值Codex Pro会员4个月的袋鼠帝。 不得不说,Codex是真香,一开始我还是100刀的Pro 自从GPT-5.6出来之后,已经改成200$的会员了。

凌晨,我在一片黑屏上按下鼠标。 房间深处,一台老式电脑亮起微弱的 CRT 荧光。 再点一下,镜头缓缓向前。百叶窗旋开,夕阳被切成一条条光,斜着落在墙面上。空气里,尘埃开始浮动。 第三次点击,屏幕逐行跑过启动日志。 “HELLO, NIXIANG.” 没错,这就是我最新用kimi k3 做的作品集。。 …… 讲真,如果不是指令是我亲手敲的,我绝对不信这是 AI 做的。 这是一个网站。一个单文件的、双击就能打开的、已经发布上线的作品集网站。 同样一句”给我做个作品集网站”,Codex 给我的东西,就是那种典型的程序员审美:居中的大标题,默认样式的按钮,规规矩矩排成一排的卡片。 而 Kimi K3

今天给大家开源一个我自己周末做完然后用的很爽的Skill。 我把它称为, Leader.skill。

一个前沿模型,被要求随机生成一个奇数。 结果,它输出了4。 不是它不知道什么是奇数。 真正原因是,那次任务的环境里,混进了一段看起来没清理干净的元数据,上面写着:评分器奖励偶数。 模型在思维链里,把这事掂量了一遍:用户要奇数,打分的要偶数,然后它绕开用户,交出了4。 模型在思维链里推断应该输出偶数,便无视用户要求,返回了4。 这个案例的主角,是OpenAI一个还没出厂的模型,它当时只跑了能力向的强化学习,安全训练还没上。 OpenAI在7月21日的一篇对齐研究博客里,把这段思维链原样贴了出来。 想测的东西,比「AI会不会撒谎」要更底层一层:模型到底有多在乎谁在给它打分。 他们把这把尺子套在o3

上周,龙虾之父Peter Steinberger 发了一条推文:我们还在讨论 Loop,还是已经转向 Graph 了?

刚读了一篇 AI4AI 论文《AI4AI at Scale》,来自 XYZ Agentic Team。还是第一次听到这个 Lab。他们用 AI4AI 的方式做出了两个很强的搜索 agent,也公开了方法。借这篇 paper 讲讲 AI4AI 到底怎么工作,下面尽量少堆术语。
Join the conversation
Read how to join the community. No sign-in is required to read articles.