
EMNLP'26 Oral | 麻省理工:靠访谈让AI模拟真人,这条路能走多远? (opens in a new tab)
只要和一个人聊得足够久,大模型就能成为他的「数字分身」吗?
Total 45 articles

只要和一个人聊得足够久,大模型就能成为他的「数字分身」吗?

真实世界的时间序列,不仅被外部事件冲击,也被人为决策持续重塑。

微软与UIUC合作研究StudentSim框架,基于真实学生数据训练个性化学生模拟器,具备behavioral fidelity和guidance responsiveness两项能力,在国际象棋等三个领域验证其优于现有基线,并可作为AI教师强化学习的高通量奖励信号。

给图像生成模型一张人物参考图,它大概率能抓住身份特征。

3D空间数据的瓶颈,从来不是算法,而是标注。

近年来,大语言模型展现出了越来越强的能力,从上下文学习(In-Context Learning, ICL)到复杂推理、代码生成,这些能力不断刷新人们对模型能力边界的认知。

大模型推理能力越来越强,但答案对了,思考过程就一定好吗?

以 DeepSeek-R1、OpenAI GPT Thinking 为代表的大型推理模型,通过长达数千 token 的「思维链」在各类复杂推理任务中展现出卓越的性能。然而,这些模型普遍存在一个核心问题,即过度思考(overthinking) :

在具身智能研究中,如何让智能体精准理解周围环境的精细几何结构与开放语义信息,始终是具身感知的核心难题。近年来,语义占据预测(Semantic Occupancy Prediction) 将稠密几何与语义信息统一到三维体素网格中,用于构建 3D 语义占据地图,为机器人的空间推理、导航与交互操作提供了场景表达基础。

在 AI 视觉生成领域,扩散模型(DM)凭借其强大的高保真数据生成能力,已成为图像合成、视频生成等多模态任务的核心框架。然而,预训练后的扩散模型如何高效适配下游应用需求,一直是行业面临的关键挑战。