张弛 Zoroo | 具身&AI Data (@zorooeth) header
张弛 Zoroo | 具身&AI Data (@zorooeth) profile picture

某6000万用户出海产品 Founder; 亚非拉研究院 Co-Founder; 弦计划 Founder; 前字节跳动&网易产品经理; 专注 具身&AI 数据

Hangzhou
Joined September 2012
兜兜转转元宇宙又要回来了,未来天天玩游戏是正道😹
2
107
我接触过的很多00后都给我留下了深刻印象。 A与我聊人性人品,自己说自己是坏人。 聊起来将有五危,“爱民,可烦也。” 我说,如果真爱民,反而要树立不在乎百姓的形象。 A说, “我跟你角度不同,我会故意树立爱民的形象,来牵制对手,因为我不在乎这些。” 后来,A在自己领域也已混出一些名头。 B在几个月前,LLM入侵具身还不明显的时候跟我断言:“具身模型的GPT时刻绝对在一年内,要抓紧。” C:“如果是我我不会犹豫,会狠到底。”他还给我推荐《蛊真人》。 D 勤勤恳恳,认认真真,朝气蓬勃。 E: “我没那么多追求,怎么样都能活着。” F: “精神药品未来将会放开”; “未来将是所有人对所有人的战争”。
1
157
张弛 Zoroo | 具身&AI Data retweeted
What I saw of the AI data business while job hunting for post-training roles, and why it keeps booming even though it seems to have no moat.
78
165
57
1,200
158,138
张弛 Zoroo | 具身&AI Data retweeted
总结下简中区与PhD相关理论: 1. 大 Bench 理论:teapawt.net/vclee8/status/21202126… 2. 大实习理论: teapawt.net/vclee8/status/21089643… 3. 大粉理论: teapawt.net/collinzrj2001/status/2… 4. 大日结理论:teapawt.net/persdre/status/2117955… 5. 大斜率理论:teapawt.net/Selen7005717917/status… 6. HR 理论:teapawt.net/xzhang_billy/status/21… 颇有百家争鸣的氛围
面对今年异常艰难的就业市场,AI PhD 或许更适合转行做 HR: 1. 深谙大粉理论,个人账号宣传效果拉满。 2. 懂技术,更能精准匹配候选人与实际业务需求。 3. 人脉直达目标群体,同门、同行遍地都是。 4. 熟练使用 AI 工具,招聘提效、候选人体验双提升。 5. 某种程度上,你就是招聘流程里的 SAC。
23
76
25
484
83,598
认同,现在AI发展已经涉及到更多认识论和认知科学的问题了
今天看到很多帖子说,Fable 5.2 一出来,Video Gen、3D Gen 这些方向都要被杀死了。我倒是没有这么悲观。 我觉得这里有一个很重要的区别:LLM 主要从人类产生的信息(语言)中学习如何理解世界,而 World Model 有机会更直接地从世界本身学习,不一定需要局限于人类的认知视角和表达方式。 换句话说,AI 理解和模拟世界,未必一定要遵循人类理解世界的方式。 那为什么现在 LLM 的通用能力比 Video Model / World Model 强这么多?我觉得一个主要的原因就是 Data。 理论上,如果有近乎无限的高质量视频数据,World Model 的泛化性和通用性完全可能比现在强得多。但现实是视频和 3D 数据远没有文本那么容易获取,所以短期内打不过 LLM 也不奇怪。 这里又想引用一个从 @jcjohnss 那里学到的观点:很多时候决定一条技术路线能否成功的,不是方法或原理本身的优劣,而是当前的资源条件是否适合这条路线。 这跟 The Hardware Lottery 的观点很像,而今天的 LLM 和 World Model 某种程度上也存在一个 Data Lottery。 反过来说,LLM 的通用能力再强,也不能完全绕过 Video Gen、3D Reconstruction 的数据瓶颈。没有足够的领域数据,某些能力就是有上限的。 更何况,现在 Astra / Fable 展示的很多能力也不是 End-to-End 的,而是借助 COLMAP、Blender 等工具来完成任务。LLM 学会调用 Blender,不等于它自己学会了生成 3D 世界。 我觉得现在的 LLM 很大程度上是在学习人类解决问题的方式:理解任务、制定计划、调用工具。但人类能站到食物链顶端,也不是因为自身什么都能做到最好,而是因为学会了创造和使用工具。工具的能力,很大程度上决定了最终结果的上限。 所以短期内,我觉得 LLM 仍然会是最重要的大脑,而 Video Model / World Model 会成为非常强悍的工具,两者结合可能才是最优解。 但长期来看,二者的关系会更加微妙。
104
System 2 也好,System 1 也好,System 0 也好。具身模型和世界模型赛道的公司还有事可做。 但话说回来,现在这种形势,广义具身智能的大规模落地,就在眼前了。比起是模型侧的机会,更是硬件、数据、应用场景侧的机会。
videogen 有其独到之处,除非你认为 render 需要串行生成每一帧。我不觉得 videogen 会死完,因为一个 data-driven 的 render 是要大于传统的 render 的。
1
2
128
零遥操数据的效果
Robots that learn should generalize. Locomotion should show generalization across terrain; manipulation across object categories. Here is a video of “Pick Anything”, demonstrating human like grasps for 66 different objects, ranging in size and shape from air pods to dumbbells to pipe wrenches, using a *single* policy. The system uses the stereo camera head for vision (no wrist cameras) & Sharpa Wave hands for manipulation. It was trained using video and RL (zero teleoperation data). This is research from our Dex-Hands team at Amazon FAR and we will be doing live demos of the system at CoRL 2026 ( Demo 12, Nov. 9 &10). Please come by!
104
牛啊
Mika 正式开源:真正的 Phone Agent,就跑在你的安卓手机上。 一句话交给它,它就能在你手机上把事干完。 复用你现有的登录态,不用额外授权,也不用 Root,更不用电脑。 你继续玩手机,它在后台干活,互不干扰。干完了通知你,你也可以随时随地再丢任务给它。 他能干什么? 1、操作你手机上的任何 App:发微信、总结群聊、小红书总结博主内容,在 BOSS 直聘批量打招呼、订闹钟、改设置,手机上的 App 都能操作,不用事先适配 2、内置浏览器:强大的 Browser use,搜索、筛选、读网页、批量操作,帮你把事干好的同时,节奏像真人一样,不容易被风控 3、悬浮胶囊:在任何 App 里都能随时呼起,和它对话,叫它干活,或者把这一屏发给它,问这个怎么回、帮我记下来 4、本地 Linux 沙箱:跑 Python、处理你发来的文件、Agent 写的脚本 不要 root,无需电脑,就跑在你的安卓手机上,真正的 phone Agent,替你在手机上把事都干了。 更多功能正在赶来的路上。 欢迎 star,下载使用,感兴趣也可以一起开发。 Github 地址:github.com/wangzan101/mika
1
170
人已经会干的活,没必要全靠遥控机器人再采一遍。 TouchBridge这篇挺直观:人戴着无本体采集设备,自己做示范,采集速度比遥操作机器人快7倍。转换成训练数据后,四项任务平均成功率72.5%,遥操作数据是77.5%。 更值得看的是,同样每项60条人类转换示范,用预训练模型能做到72.5%,从头训练只有6.2%。已有的底子,作用很大。 这次做的是任务微调。往大规模预训练走,方向很明确:大模型已经学过的知识尽量复用,人类行为和Ego数据把规模、场景覆盖做起来,同时处理好噪声。 别一上来就要求每条预训练数据,都达到精细控制的标准。预算就那么多,全花在少数动作抠精度上,模型什么时候才能见够真实世界? 具体机器人怎么抓稳、怎么用力、失败了怎么恢复,这些再用针对性的数据和真机反馈去补。 做数据公司的价值,是把人的经验大规模变成模型能学的东西。 机器人遥操作采得慢,不该成为整个具身训练做不大和具身行业落地慢的理由。
3
184
其实我觉得这个内容值得一看的。如果你想了解目前硅谷科技从业者的思想流派和哲学底色,或者直面全球叙事和全球商业竞争,还是推荐完整看一下。 虽然它跟很多“术”的东西不直接相关,但仍是很有意思的内容。 整个音频主要还是围绕EA(有效利他主义)来展开,这个从理性主义发展而来的兼有理念、行动的思潮/社区,目前在美国取得了比以往明显大得多的影响力。 以主持人+V神的互动言论来说,硅谷的人可以大致分为几派: 1. 支持Anthropic的EA:大致逻辑是AI发展不可避免,要选择一个更“好”的公司(有更多好人的公司),Anthropic是。V神说他认为Anthropic的其中一个联创是一个好人。 2. 批判Anthropic的EA:大致逻辑是Anthropic核心人员的激励机制本身就有问题,已难以判断其动机;Anthropic客观上导致了更加激烈的AI竞争和更加快速的模型迭代;Anthropic尝试定义谁好谁坏的精英主义倾向,无法避免更严重的问题。 3. 理性主义:理性主义者更强调个人高效与正确的思考,在行为上更加自由,喜欢以自己的兴趣爱好来决定自己的行动,而非一种类似EA的宏观考量和精密计算。 4. Pause AI:主张大幅延缓或暂停AI发展。 5. e/acc AI加速主义:以A16Z为代表的AI发展激进派。对话中没有过多讨论OpenAI,似乎OpenAI归属于加速主义已经是一个比较默认的共识。 V神个人对2、3、4可能都有一些倾向,并提出AI安全问题已经远远不是一个技术问题,猜测可能必须通过政治设计来进行解决。 V神整体的发言带有明显的理性主义底色但同时带有EA思路,他提出 d/acc,d主要指防御性、去中心化和民主化,整体还只是个框架,但符合其理性主义底色和EA思路。 V神给出自己拍脑袋的一个人类灭绝概率大概是P(doom)=10%,同时表示未来有极大的多方面的不确定性。 V神也顺便提到对于Anthropic(乃至OpenAI)的人的动机的批判,已经不是说“profit”的问题,profit共识在未来已经不重要,而是关于控制,我觉得可以通俗理解为权力的问题。 视频中讨论了当年OpenAI的高层内斗,认为可以理解为是e/acc和EA的斗争,而e/acc获得了最终的胜利。 视频中邀请的一个类似记者的嘉宾对AI安全问题更加忧心忡忡,并表示与大公司的核心算法人员普遍交流后,发现算法人员普遍认为AI近一年的发展速度超出他们的预期,且他们无法对自己对AI发展速度和AI安全问题的担忧进行恰当的描述,她认为陷入了一个认知论问题。她的观点倾向于4,Pause AI。
从捐赠蚊帐、预防疟疾,到后来投入数亿美元研究AI安全,硅谷精英们推崇的有效利他主义(EA)是什么? 本期节目,我们邀请以太坊联合创始人Vitalik Buterin(V神)与科技记者Afra,聊聊EA和理性主义究竟主张什么,以及这些思想如何影响了今天的AI发展。 Vitalik曾向这个圈子的机构捐赠大量资金。他在节目中回忆,一笔加密货币捐赠如何意外地变成数亿美元,以及受赠机构后来的方向,为什么让他开始重新考虑当初的选择。 youtube.com/watch?v=XcastAK9…
1
2
355
我个人认为不宜从阴谋论的角度或者从简单的结社角度或者从纯粹的利益角度来理解这些思潮,而应该从类似于多因素互相影响和共同震荡来理解这些思潮。从思潮来理解行业、理解人员乃至理解AI发展,是一个重要的角度。 我个人认为在AI高速发展的大背景下,有强大穿透性的力量只有资源、认知、信念、感情。思潮背后是4种穿透性力量的交织,直接与认知和信念相关,间接与资源和感情相关,因此对于判断未来是至关重要的。 我就不做其他个人观点的阐述了。
59
机器人怎么还没干活,先学会站着不动了。 这个抓放实验有点意思。用 Diffusion Policy,110 次测试,106 次根本没开始动。 把示教开头那段空等剪掉,同样的训练配方重新训。再测 150 次,不启动的剩 15 次。 说白了,模型把“先别动”也学进去了。人知道前面是在等操作员准备好,模型未必知道这段该忽略。 训练没报错,不代表模型学的是你想教的。 不过我的暴论是,还是数据量不够。力大砖飞,数据量够多了,大体量模型自然知道这是操作员在等待。 实际的数采、标注、训练里问题多了去了,指望都解决可能还得等5年等10年,但大模型的核心可不是跟你抠细节执行问题,核心是一力降十会。 别解绳结了,不如学亚历山大大帝把解不开的绳结直接一剑砍断。
5
2
210
Dream-1,模型调用 3 美金一小时 机器人大脑也开始按小时卖了 有现成的能力能用 还非得从头训一遍 就为了说一句“我们也是自研”? 大模型已经学过的东西,直接用 省下的钱和人,去解决它还不会的 到了客户现场 换个东西就抓不住 干到一半卡住 一天得让人救多少次场 这些问题解决不了 模型叫啥名字,客户根本不关心 做数据也是一样 预训练,把可用规模和场景覆盖做上去 具体任务,缺什么经验就补什么 补完有没有用,拿结果说话 Dream-1 现在还是测试版 离接上就能挣钱还早 但“每家公司都得自己从头训大脑” 这笔账该重新算了 重复交学费,真不叫壁垒
3
3
182
看 EgoForesight,我还是那个判断:具身预训练的数据,不必每条都按精细控制的标准来做。 先把可用规模和场景覆盖做起来,同时处理好不同来源的噪声。 行业过去强调高精度数据参与预训练有很多原因,其中一个原因是大家不敢放手进行大规模预训练,这里面涉及到的成本太过于高昂,大家不敢冒险。那怎么办,只能少量高精度数据过拟合一个效果出来,其实大部分还是过家家。 然后大模型就来了。大语言模型正在演变成全模态模型,他们进入具身赛道可不跟你玩虚的,正儿八经开始大规模训练了。形势变了。 做模型和数据,应该算清楚:同一笔钱,花在精度再提高一点,还是多覆盖一批场景,对模型更有用? 预训练场景不用多说,过分强调精度,还不如过分强调规模。
5
1
1
318
a16z Crypto 改名 Frontier,还投 Crypto,但范围放宽了。提到的有: 新型智能(计算)设备与自主机器; 加密货币/稳定币与机器人间(M2M)无缝结算; 赛博物理系统; 全新公司构建模式催生的从个人工具逐渐演变为多人/多代理协同的网络的原生应用场景; 生物学与现代医学等。 我更在意的是: 下一代公司,可能会以 AI 为基底,软件、硬件和服务放在一起做; 围绕着AI的核心元素(比如能源、算力、模型、数据)构建独特性,越来越难用一个传统的赛道观念概括。 比如从数据角度, 你的公司是在公开数据里与别人厮杀, 还是在半公开数据里跟别人打信息差和时间差, 还是积累自己的非公开数据。 如果各个角度都说不通,就难以做大。
2
3
255
他们表达的意思是Crypto这种技术不应作为基金标签,而应当更让位于具体赛道的逻辑。现在这个基金新叙事方向主要是 新型智能(计算)设备与自主机器、加密货币/稳定币与机器人间(M2M)无缝结算、赛博物理系统、全新公司构建模式催生的从个人工具逐渐演变为多人/多代理协同的网络的原生应用场景、生物学与现代医学
6551news: a16z 将从区块链基金的名称中去掉加密货币,专注于其他投资,其首位创始成员也将离职。
3
229