
AI自己出题自己练!两个月狂涨11%,编码自测反超Opus 4.8 (opens in a new tab)
Ornith-1.5采用模型自出题、自搭脚手架、自跑轨迹的三段式强化学习闭环,在Terminal-Bench 2.1自测中以86.1分超过其自测的Claude Opus 4.8(85.0分),较两个月前的1.0版本提升约11%。
Total 198 articles

Ornith-1.5采用模型自出题、自搭脚手架、自跑轨迹的三段式强化学习闭环,在Terminal-Bench 2.1自测中以86.1分超过其自测的Claude Opus 4.8(85.0分),较两个月前的1.0版本提升约11%。

几个小时前,Barret Zoph 在 𝕏 上发了一条推文,他说自己将加入谷歌 DeepMind,而他的 AI 生涯正是从谷歌 Brain 的 Residency 项目起步的,这次算是重返旧地;他将专注于强化学习(RL)与后训练(Post-Training)方向,更多消息稍后公布;他还补了一句,谷歌拥有在 AI 领域持续成功所需要的全部要素,他很高兴能成为这个使命的一部分。

这是前OpenAI推理模型一号位Jerry Tworek抛出的最新暴论。他2019年进的OpenAI,一待就是七年。当年强化学习死活scale不动,是他死死咬住不放硬推上去的,o1和o3这两代大杀器都是他亲自带队砸出来的。

具身智能的「终局」该怎么定义? 本届世界机器人大会(WRC)上每一家头部公司都给出了自己的答案。 有人押注在大脑上,认为一颗能持续进化、可以跨本体迁移的通用大模型,是决定行业天花板的变量;有人押注身体,认为工程能力和量产能力才是这个阶段真正稀缺的东西。 星尘智能(Astribot)给出的答案,和这两种都不太一样:它认为这道题从一开始就不该被拆成两半来做,所以同步端出了三样东西。 第一样,是3个前沿模型: 基座模型Lumo-2现场实测——直播书包整理任务,将柔性物体实时预测,双手协同拉上拉链的高难度精细操作; 一场人机对打桌面冰球,背后是强化学习持续提升实时预测和反应准确率; 一个完整的零售商用

近期,字节跳动大模型核心部门Seed完成新一轮组织调整,调整核心集中在Seed Foundation Model(Seed基础模型)板块,新设四个一级部门,重构了预训练数据、强化学习与后训练的组织链路。

史无前例,OpenAI真的停手了!刚刚,奥特曼亲自官宣,「OpenAI暂停下一代旗舰模型的强化学习训练,为期两周」。官方给出停更的原因是:要确保安全、对齐和监控标准,能跟得上眼前这个全新的能力水平。

在日常摄影中,后期处理往往是决定照片最终观感的重要一步。

大规模视频扩散模型,画面越来越真,却总在“物理定律”上栽跟头。

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

「帮我把这10万字速记整理一下。」 这句话打出去的时候,我其实没抱太大希望。 5份具身智能coffee chat记录,十多位嘉宾,世界模型、VLA、机器人强化学习、仿真数据,各种内容混在一起。 不光人名长得像,技术路线听着也像。 要是我自己整理,八成得看串。 结果没过多久,一套知识库就被搭了出来。 原本散落在不同文档里的讨论,被重新串到了一起: 5场活动分别聊了什么,世界模型和VLA之间是什么关系,具身智能为什么一直缺数据,灵巧手和夹爪又在争什么,都能从总览里快速找到概括。 几场讨论里反复出现的共识和分歧,统统都被拎了出来,归纳成了6大主题,从总览入口还能快速跳转到该主题的单独页面。 完成这项