AI 新闻中心

AI 新闻中心 过去一年分析了 1975 篇文章,发现了 0 条重要报道 (分数 ≥ 5.5)
获取从可信来源聚合的最新 AI 新闻。

开源 AI 模型 Ornith-1.5 系列发布,宣称达到 Opus 4.8 级性能

DeepReinforce 发布了开源 AI 模型 Ornith-1.5 系列。公司称,该系列在训练过程中引入了自我改进循环,让模型持续生成难度更高的任务。旗舰模型 Ornith-1.5-397B 采用混合专家架构,总参数量为 3970 亿,并宣称在部分测试中超过 Claude Opus 4.8。该系列还包括 35B-A3B 模型、稠密型 9B 模型,以及量化版本 Ornith-1.5-9B-Mo

极佳视界发布通用双足人形机器人 Maker L01

中国物理 AI 初创公司极佳视界发布了通用双足人形机器人 Maker L01。该机器人搭载 31 个关节电机,官方称最高移动速度为 4 米/秒,并展示了奔跑、跳跃、空翻和打乒乓球等动作。机器人重 42 公斤,配备 518Wh 热插拔电池。极佳视界表示,其软硬件全栈系统面向科研和赛事开发开放。公司成立于 2023 年,还开发世界模型平台 GigaWorld 和具身基础模型 GigaBrain。据量子

王兴兴:具身智能最快两三年迎来“ChatGPT时刻”

宇树科技创始人兼CEO、CTO王兴兴表示,具身智能最快可能在两三年内迎来重要产业转折,但在较慢情况下,突破可能需要五年至十年。他认为,产业规模化的标准应是机器人能够在80%的陌生环境中,通过语音或文字指令完成约80%的任务。当前主要技术瓶颈包括AI模型与物理世界的对齐、触觉反馈,以及操作最后几厘米时的精度和泛化能力。宇树展示了“物理AI机器人自进化”技术路线,计划结合研究成果检索、控制代码生成、仿

《心灵杀手 2》销量突破 300 万份,新增支持 AMD FSR 4 超分技术

Remedy Entertainment 为《心灵杀手 2》发布了 1.2.10 更新,新增 AMD FSR 4 超分辨率技术和 FSR 帧生成支持。FSR 4 利用机器学习,包括卷积神经网络,将低分辨率图像重建为高质量画面,并减少闪烁、伪影和动态模糊。在兼容 GPU 上,玩家安装更新并选择 FSR 超分辨率后,FSR 4 会自动启用。游戏于 2023 年 10 月 27 日发行,目前累计销量已超

Co-RL:多智能体强化学习中的多样化模型群体涌现无监督推理

该研究提出 Co-RL,一种协作式强化学习框架,由多个相互独立的模型根据彼此的输出生成奖励信号。模型不共享参数,因此可以减少对成本高昂的真实标签的依赖。研究人员表示,增加模型系列、模型规模以及改写训练样本的多样性,有助于降低相关错误和自我强化反馈循环,从而缓解训练崩溃。在七项纯文本基准测试和四项多模态基准测试中,Co-RL 使语言模型平均提升 3.0% 至 8.6%,使视觉语言模型提升 2.3%

训练具备化学合理性感知能力的大语言模型,用于单步逆合成

一项研究提出将 Top-K 提示作为单步逆合成的训练和推理方法,使系统能够生成多条合理的反应路径,而不是只给出一个答案。研究人员构建了 CREED-CCV-2+USPTO-XL 数据集,其中包含约 4,560 万条经过验证的反应,并据此训练化学语言模型 C3LM。模型将微调与基于 ChemCensor 的奖励及面向新颖性的奖励相结合。研究作者称,该模型在分布外基准 URSA-expert-2026

潜在世界模型中的决策指标对齐:用于MPC规划的诊断与动作条件目标

该研究分析了在采用JEPA风格潜在世界模型的模型预测控制中,目标潜在表示的欧氏距离能否可靠反映实际任务进展。作者提出Plan-Real Spearman和CEM-Stage Spearman,用于衡量候选动作序列的潜在排序与真实排序在搜索前及交叉熵方法搜索逐渐集中时的一致性。研究指出,编码器失真、终端滚动预测误差和候选方案之间的差距是影响对齐效果的关键因素。DA-LeWM在LeWM基础上加入逆向动

京东物流培训快递员转型机器人维修工程师,计划五年创造超10万个岗位

京东物流完成首批一线员工转型机器人维修工程师的培训,参与者包括快递员、仓管员和质检员。来自中国各地的员工学习了机器人产业、设备构造和标准化维修流程,并使用头部机器人企业提供的样机进行实操。完成培训和岗位认证的员工已开始担任新职务。京东物流称,其机器人售后服务涵盖维修、故障诊断、换电补能、测试鉴定、保养和设备回收等环节。公司表示,未来五年将创造超过10万个机器人维修工程师岗位,并建设更多技术培训认证

Zetta ζ:面向自我进化物理智能的高效闭环系统

Zetta是一套面向具身AI代理的闭环控制与学习系统。在冻结基础策略模型的同时,它能够在线演化运行时批评器和恢复技能。三个具有不同时间尺度的循环分别负责在动作频率上进行执行控制、在每次 rollout 层面提出批评与恢复方案,并在通过验证后更新技能。结合将代理逻辑与异构执行资源解耦的Z-Infra,研究团队报告称,Zetta在LIBERO-Pro和RoboCasa上的成功率分别达到90.8%和93