# Artikel Terkait Generalisasi

Pusat Berita HTX menyediakan artikel terbaru dan analisis mendalam mengenai "Generalisasi", mencakup tren pasar, pembaruan proyek, perkembangan teknologi, dan kebijakan regulasi di industri kripto.

LeCun Terus Menerus Retweet, Karya Baru VISReg Pecahkan Masalah Inti 'Keruntuhan Representasi' Model Dunia JEPA

LeCun memperkenalkan VISReg, metode self-supervised learning baru untuk mengatasi *representation collapse* pada model dunia JEPA. VISReg memisahkan regularisasi menjadi dua target independen: **Skala** (mengontrol varians) dan **Bentuk** (menyelaraskan distribusi ke Gaussian menggunakan Sliced Wasserstein Distance). Dengan *stop-gradient*, kedua target tidak saling mengganggu. Metode ini mengatasi kelemahan SIGReg, di mana gradien menghilang saat *collapse*, karena VISReg mempertahankan gradien konstan untuk pemulihan. Tanpa trik heuristik seperti EMA, VISReg unggul dalam 15 dataset. Pada data OOD (luar distribusi), VISReg mencapai kinerja setara DINOv2 hanya dengan ~1/10 data. Selain klasifikasi, VISReg juga efektif untuk segmentasi semantik dan panduan generasi gambar, menunjukkan generalisasi dan efisiensi data yang kuat untuk model dunia masa depan.

marsbit07/28 10:16

LeCun Terus Menerus Retweet, Karya Baru VISReg Pecahkan Masalah Inti 'Keruntuhan Representasi' Model Dunia JEPA

marsbit07/28 10:16

Ujian "Gaokao" untuk Kecerdasan Bertubuh Sulit Gila, Manusia 100 Poin, Model Terkuat Hanya 12.8

"Ujian Akhir" Kecerdasan Embodied (Embodied AI) Terlalu Sulit, Manusia 100 Poin, Model Terkuat Hanya 12.8 Kemajuan robotika dengan model AI besar (VLA, model dasar robot) sering tampak mulus dalam demo, namun kemampuan sebenarnya dalam melakukan tugas umum tetap menjadi pertanyaan besar. RoboDojo, tolok ukur evaluasi baru yang dikembangkan oleh tim akademis, memberikan "peta pendakian" yang lebih jelas. Ini adalah benchmark terpadu yang mengevaluasi 30 strategi robot utama di 42 tugas simulasi dan 18 tugas robot fisik nyata. Fokusnya adalah menguji lima kemampuan inti: generalisasi (beradaptasi dengan latar, pencahayaan, dan objek baru), memori, presisi (operasi halus seperti memasang), eksekusi multi-langkah panjang, dan pemahaman semantik terbuka terhadap instruksi baru. Hasilnya menunjukkan jurang yang dalam. Di simulasi, model terbaik (Hy-Embodied-0.5-VLA) hanya mencapai tingkat keberhasilan rata-rata 8.80%. Di dunia nyata, kinerja bahkan lebih menantang: model teratas (π0.5) hanya mencapai 12.8% keberhasilan. Sebagai perbandingan, ahli manusia mencapai 76.03% di simulasi dan 100% di dunia nyata. RoboDojo mengungkap bahwa model robot saat ini belum stabil dan andal. Mereka mungkin pandai dalam satu aspek (misalnya, pengenalan visual atau perencanaan), tetapi gagal dalam aspek lainnya (seperti presisi fisik atau pemahaman semantik terbuka). Penurunan kinerja yang signifikan dari simulasi ke dunia nyata juga menyoroti tantangan ketidakpastian fisik, noise sensor, dan kesalahan kalibrasi. Platform ini, dilengkapi dengan infrastruktur XPolicyLab untuk integrasi model yang terstandarisasi dan sistem evaluasi robot fisik (RoboDojo-RealEval) yang dapat direproduksi, bertujuan untuk menjadi "papan peringkat" komunitas yang obyektif. Dengan demikian, RoboDojo tidak hanya mendiagnosis kelemahan saat ini tetapi juga menyediakan jalur terukur untuk kemajuan menuju robot operasi yang benar-benar serbaguna dan dapat diandalkan.

marsbit07/08 11:53

Ujian "Gaokao" untuk Kecerdasan Bertubuh Sulit Gila, Manusia 100 Poin, Model Terkuat Hanya 12.8

marsbit07/08 11:53

Pertama Kali: Pra-pelatihan VLA Murni dari Video Manusia untuk Operasi Cekatan, Dapat Diterapkan Hanya dengan Sedikit Data untuk Fine-tuning

Riset kolaboratif dari Microsoft Asia Research dan Universitas Tsinghua memperkenalkan kerangka pra-pelatihan VITRA, yang pertama kali memanfaatkan video aktivitas manusia skala besar untuk pra-pelatihan model Vision-Language-Action (VLA) dalam manipulasi lincah. Inti inovasinya adalah solusi otomatis untuk mengubah video manusia tanpa anotasi menjadi data V-L-A terstruktur. Melalui ekstraksi jejak gerakan 3D tangan, segmentasi aksi atomik berdasarkan kecepatan, dan pembuatan instruksi bahasa dengan GPT-4, dibangun dataset besar berisi 1 juta klip. Model VLA, dengan arsitektur gabungan VLM (PaliGemma-2) dan Diffusion Action Expert, menunjukkan kemampuan prediksi gerakan **zero-shot** yang kuat di lingkungan tak terlihat. Setelah penyetelan halus (**fine-tuning**) hanya dengan sekitar 1.2K data robot nyata, model berhasil diterapkan pada robot lengan lengkap dengan tangan lincah (seperti Realman dengan XHAND1), mencapai tingkat keberhasilan tinggi dalam tugas seperti mengambil, menempatkan, menuang, dan menyapu, serta menunjukkan **kemampuan generalisasi dan ketangguhan** yang luar biasa terhadap objek dan latar belakang baru. Penelitian ini juga mengungkap **hukum penskalaan (_scaling law_)** antara jumlah data pra-pelatihan dan peningkatan kinerja. Dukungan perangkat keras dari tangan lincah XHAND1, dengan model URDF presisi tinggi dan arsitektur penggerak langsung (_direct-drive_), memungkinkan alih ruang gerak manusia-robot dan eksekusi yang responsif. Karya terobosan ini membuka jalan bagi pelatihan model VLA yang lebih efisien dan dapat digeneralisasi, menggunakan data video manusia yang melimpah, mendekatkan pada realisasi kecerdasan berwujud (_embodied AI_) yang lincah dan adaptif.

marsbit06/08 08:57

Pertama Kali: Pra-pelatihan VLA Murni dari Video Manusia untuk Operasi Cekatan, Dapat Diterapkan Hanya dengan Sedikit Data untuk Fine-tuning

marsbit06/08 08:57

Model Raksasa Menyapu Bersih Semua Ujian, Tapi Justru Jauh dari AGI: Apa yang Dibongkar Makalah Ini?

Teks ini membahas perdebatan definisi AGI (Kecerdasan Buatan Umum) yang belum memiliki standar pengukuran yang diterima secara universal. Berbagai pihak, seperti OpenAI, Microsoft, dan para CEO, memiliki tolok ukur dan ramalan waktu yang berbeda-beda. Sebuah makalah oleh Michael Timothy Bennett dari Australian National University menawarkan definisi baru AGI sebagai "ilmuwan buatan"—yaitu, sistem yang mampu beradaptasi secara luas, efisien, dan ilmiah di bawah kendala sumber daya terbatas (komputasi, memori, energi) seperti layaknya ilmuwan manusia. Penulis mengkritik standar lama seperti Tes Turing dan uji benchmark manusia karena telah "dikuasai" oleh model bahasa besar (LLM) tanpa mendekatkan kita pada kecerdasan umum yang sesungguhnya. LLM saat ini dinilai hanya melakukan "aproksimasi maksimalisasi skala", menyimpan jawaban perkiraan untuk berbagai tugas dalam bobot jaringannya, namun gagal pada masalah di luar distribusi data pelatihan dan tidak memiliki kemampuan aktif seperti merancang eksperimen atau memahami hubungan sebab-akibat. Teks ini merinci tiga kemampuan kunci AGI sejati menurut kerangka "ilmuwan buatan": 1. Dari "boneka pasif" menjadi "peneliti aktif": Mampu merencanakan eksperimen secara mandiri untuk memperoleh informasi. 2. Dari "tahu apa" menjadi "tahu mengapa": Memiliki pemahaman kausal, bukan hanya korelasi. 3. Menyeimbangkan "eksplorasi" dan "eksploitasi": Mengalokasikan sumber daya komputasi secara dinamis di bawah kendala. Tiga pendekatan metodologis dalam membangun sistem cerdas dianalisis: *Scale-maxing* (pendekatan LLM saat ini yang menumpuk parameter dan data), *Simp-maxing* (maksimalkan kesederhanaan model), dan *W-maxing* (melemahkan batasan fungsional agar sistem menemukan solusi optimal sendiri). Kesimpulannya, AGI tidak akan tercapai hanya melalui satu pendekatan (seperti *Scaling Law*), tetapi memerlukan konvergensi berbagai metode. Jika definisi baru ini diterima, akan terjadi pergeseran paradigma dalam industri AI. Standar evaluasi akan bergeser dari peringkat ujian manusia ke "benchmark adaptasi" yang menguji kemampuan menemukan pengetahuan baru dalam lingkungan yang tidak dikenal.

marsbit05/28 00:27

Model Raksasa Menyapu Bersih Semua Ujian, Tapi Justru Jauh dari AGI: Apa yang Dibongkar Makalah Ini?