Search

Results for “Oli”

Total 66 articles

ICLR 2026|在「想象」中进化的机器人:港科大×字节跳动Seed提出WMPO,在世界模型中进行VLA强化学习

ICLR 2026|在「想象」中进化的机器人:港科大×字节跳动Seed提出WMPO,在世界模型中进行VLA强化学习 (opens in a new tab)

香港科技大学 PEI-Lab 与字节跳动 Seed 团队近期提出的 WMPO(World Model-based Policy Optimization),正是这样一种让具身智能在 “想象中训练” 的新范式。该方法无需在真实机器人上进行大规模强化学习交互,却能显著提升策略性能,甚至涌现出 自我纠错(Self-correction) 行为。

AI guides
0
Sora APP 30天留存率:1%

Sora APP 30天留存率:1% (opens in a new tab)

Sora APP,这就凉凉了?! 刚刚,a16z合伙人Olivia Moore分享了一组数据,结果让所有人都大吃一惊—— 这款爆发速度比ChatGPT还要快的应用(5天下载破百万),用户留存率一路从10%(day1)降至2%(day7)、1%(day30)、0%(day60),但需要说明的是,Sora APP上线还不足60天… 不过还是某种维度说明,虽然新增还在继续,但用户留存不下来…玩玩儿就腻了。 单看一处细节也能一窥Sora APP的困境。 刚出道时,它轻轻松松地拿下了App Store免费榜第一,但此时此刻它的排位已经降至第22,别说和谷歌Gemini对打了(第2),连麦当劳(第11)、

AI news
0
刚刚,Thinking Machines Lab博客提出在策略蒸馏,Qwen被cue 38次

刚刚,Thinking Machines Lab博客提出在策略蒸馏,Qwen被cue 38次 (opens in a new tab)

刚刚,不发论文、爱发博客的 Thinking Machines Lab (以下简称 TML)再次更新,发布了一篇题为《在策略蒸馏》的博客。在策略蒸馏(on-policy distillation)是一种将强化学习 (RL) 的纠错相关性与 SFT 的奖励密度相结合的训练方法。在将其用于数学推理和内部聊天助手时,TML 发现在策略蒸馏可以极低的成本超越其他方法。

AI guides
0