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.
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
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
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
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。
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












