AGI研习社

AGI研习社公众号

分类：学术科研覆盖：仅收录已发现链接或部分历史文章最近成功：2026-11-06 06:08文章数：44

Dyna-2：百万小时人类视频，炼出机器人领域的 Scaling Law

机器人基础模型该用什么数据预训练？遥操作数据太贵，仿真数据有鸿沟，业界吵了很多年没有共识。Dyna Robotics 的 Dyna-2 给出了一个相当硬核的回答：用超过 100 万小时的第一人称人

2026-09-27 11:24 · 摘要已收录，可打开文章获取原文内容

论文：Fast-WAM: Do World Action Models Need Test-time Future Imagination?作者：Tianyuan Yuan, Zibin Dong,

2026-09-26 10:14 · 摘要已收录，可打开文章获取原文内容

大语言模型最迷人的能力之一是 In-Context Learning（ICL，上下文学习）：不用更新任何参数，只要把任务描述写进 prompt，模型就能完成一个新任务。那么问题来了——机器人能不能也

2026-09-25 10:16 · 摘要已收录，可打开文章获取原文内容

2026 年 9 月 15 日，OpenAI 前研究员 Diogo Almeida（他主导的 RLHF 研究后来成了 ChatGPT 的技术基础）创办的 TypeSafe AI 正式结束两年的隐身期

2026-09-24 09:39 · 摘要已收录，可打开文章获取原文内容

今天解读的这篇论文来自蚂蚁集团旗下 Robbyant 团队（由 Mingyu 等人主导），提出了 LingBot-VA ——一个把"视频预测"和"动作推理"统一进同一个自回归框架的机器人操作模型。它

2026-09-23 09:47 · 摘要已收录，可打开文章获取原文内容

在长上下文 Agent 越来越普及的今天，模型的工作负载正变得越来越 "输入重"（input-heavy）：动辄几十万 token 的上下文要 prefill，海量的 KV Cache 要存进 HB

2026-09-22 21:41 · 摘要已收录，可打开文章获取原文内容

大语言模型和多模态模型之所以能成为"基础模型"，靠的是一套经典配方：把异构数据对齐到统一的表述形式，然后用海量低成本数据规模化训练，让不同来源的训练信号互相强化。这篇文章要回答的问题非常直接：

2026-09-21 21:43 · 摘要已收录，可打开文章获取原文内容

一句话概括GLM-5V-Turbo 这篇技术报告的核心，不是单纯再做一个“看图更准”的 VLM，而是把视觉感知、语言推理、工具调用、代码生成、GUI 操作、长程任务执行放到同一个 Agentic

2026-04-30 21:01 · 摘要已收录，可打开文章获取原文内容

DeepSeek-V4 这篇技术报告的核心，不是单纯把参数继续做大，而是试图解决一个更基础、也更现实的问题：当推理越来越依赖长上下文和 Test-Time Scaling 时，传统注意力的二次复杂度

2026-04-24 21:21 · 摘要已收录，可打开文章获取原文内容

一句话先说结论这篇论文解决的核心问题是：现有 RLHF 系统要么灵活但慢（单控制器），要么快但僵硬（多控制器）。HybridFlow 通过“层次化混合编程模型 + 3D-HybridEngine

2026-04-12 22:29 · 摘要已收录，可打开文章获取原文内容

一句话先看懂这篇工作要解决的问题很直接：在 LLM 系统里，真正决定效果的往往不只是模型权重，还包括外围的 harness（记什么、检什么、怎么喂给模型的代码）。作者提出的 Meta-Harness

2026-04-02 21:36 · 摘要已收录，可打开文章获取原文内容

这篇论文要解决的核心问题很直接：为什么多模态模型总是采用 “语言主干 + 外挂模块”，而不是像语言一样被原生建模？LongCat-Next 给出的答案是：把视觉、语音都离散化成 token，并和文本

2026-04-01 22:16 · 摘要已收录，可打开文章获取原文内容

1. 一句话先看懂这篇论文这篇文章的核心发现是：Self-Distillation 在很多任务里确实能让推理更短、更快，但在数学推理这类高泛化需求任务上，它可能会压制模型表达不确定性的能力（epis

2026-03-31 21:44 · 摘要已收录，可打开文章获取原文内容

一句话先说结论这篇工作最有价值的一点是：它不把经验当作“检索记忆库”来使用，而是把大量成功/失败轨迹中反复出现的规律，蒸馏为可直接注入系统提示词的声明式技能目录（SKILL.md + refer

2026-03-30 21:32 · 摘要已收录，可打开文章获取原文内容