2026-08-06 星期四

加密貨幣新聞 - 第281頁

最新加密貨幣新聞及深度資訊,即時獲取加密貨幣市場動態、幣圈熱點、價格行情與行業趨勢分析。

拖更三年,北大校友翁荔最新长文刷屏

前OpenAI副总裁翁荔(Lilian Weng)发表了一篇关于AI扩展定律(Scaling Laws)的深度分析文章。文章指出,这条指导了AI行业数百亿美元投入的核心定律,远比人们想象的更为脆弱。 文章回顾了Scaling Laws的基本思想,即模型性能随规模扩大而可预测地提升。然而,OpenAI与DeepMind在关键问题上得出了相反结论:给定算力,资源应更多分配给模型还是数据?OpenAI的Kaplan团队认为模型增长应更快,而DeepMind的Chinchilla团队则认为应等比增长。后来研究发现,这一分歧源于参数统计口径的差异和实验规模不足,导致Kaplan的结论仅适用于小规模场景。 更关键的是,被行业广泛采纳的Chinchilla最优配比公式本身也存在方法论瑕疵。2024年有团队复现发现,其损失函数因取均值而非求和,导致优化器提前停止,输出并非最优解。此外,用于外推的关键参数精度不足,放大了误差。 文章进一步指出,经典Scaling Laws的根本前提——高质量数据无限供应——正在崩塌。数据重复训练不可避免,新研究引入了惩罚项来修正公式,并发现大模型对数据重复更敏感。这解释了行业为何转向强化学习、测试时计算和合成数据等新路径。 翁荔的博客以其清晰深入的技术解析著称,这篇文章历时三年完成。她于2025年联合创立了新公司Thinking Machines Lab。文章强调,下一代AI的进步不仅依赖算力规模,更取决于对这些基础定律细节更精确的理解与运用。

marsbit06/26 04:52

拖更三年,北大校友翁荔最新长文刷屏

marsbit06/26 04:52

国内首张防爆资质、全球首个加油大脑方案,他们凭什么拿下两个“第一”

据统计,今年国内具身智能领域融资总额已突破370亿元,行业正进入商业化落地的关键阶段。然而,如何让机器人真正进入加油站、油气场站等易燃易爆的高危场景,是首要挑战。这些场景要求机器人必须通过严苛的防爆认证,确保其硬件在设计上杜绝任何点火风险。 在加油站场景中,机器人需要完成一系列精细连贯的操作,如开盖、取枪、加油、归位等,且需适应不同车型的差异。而在场站巡检场景,则要求机器人具备长时间自主巡逻、多异常识别和即时响应的综合能力。此外,港口等多机器人协同场景也对系统架构提出了更高要求。 目前多数具身智能系统采用“流水线式”架构,在复杂长序列任务中容易因微小偏差导致连锁失败。为解决这一问题,前沿研究提出了世界模型驱动的预测方法,例如H-GAR架构。该框架通过“生成目标观测—合成中间过渡帧—交互感知动作精炼”三步,让机器人在执行前就能预测任务终态并规划完整视觉轨迹,从而实现“终态对齐”,显著提升长序列操作的稳定性和容错性。 实现特种场景落地需要“大脑”(智能算法)与“本体”(机械硬件)的深度耦合,以及从底层设计满足防爆等安全要求。随着行业加速商业化,那些能率先跑通“大脑-本体-数据”闭环的企业,将在竞争中占据先机。

marsbit06/26 03:49

国内首张防爆资质、全球首个加油大脑方案,他们凭什么拿下两个“第一”

marsbit06/26 03:49

活动图片