当地时间7月1日，OpenAI在Youtube官方账号发布了第二期播客节目——由前工程师安德鲁・梅恩（Andrew Mayne）主持，公司首席研 究官马克・陈（Mark Chen）和ChatGPT负责人尼克・特利（Nick Turley）作为嘉宾参与。 这期节目不仅回顾了"ChatGPT"名称的由来、发布前的内部争议及病毒式走红的过程，还深入探讨了OpenAI发布策略的演变、模型在实 用性与中立性之间的平衡，以及记忆功能与个性化服务的未来发展等关键话题。核心观点有： 以下为此次播客节目的精华版内容： 01.ChatGPT名称的由来 在人工智能发展史上，ChatGPT的诞生充满戏剧性。特利回忆，它最初叫"Chat with GPT-3.5"，发布前夕团队深夜临时决定简化名称，这 看似随意的调整，却让它成了科技史上辨识度极高的品牌。发布前，团队还在为"GPT"的释义争论：有人说是"generative pretrained"的缩 写，有人坚持是"generative pre-trained transformer"，这一争议至今没完全统一。 产品发布后的爆火远超预期。特利说，发布首日看到数据还以为统计错了，直到第 ...

金磊 发自 凹非寺 量子位 | 公众号 QbitAI 如果一个视觉语言模型（VLM）只会"看"，那真的是已经不够看的了。 因为现在真实世界的任务简直不要太复杂，要想让AI干点实事儿，光有多模态还不够，必须还得有 深度思考 的强推理能力。 而就在刚刚， 智谱 发布并开源了一个仅9B大小的模型—— GLM-4.1V-9B-Thinking ，在28项评测中一举拿下 23个SOTA！ 毫无悬念地成为10B级别里 效果最好的VLM模型 ；而在18项评测中，它都可以与自身8倍参数量的Qwen-2.5-VL-72B一较高下，甚至是超 越的程度。 整体来看，GLM-4.1V-9B-Thinking之所以能够这般"以小搏大"，核心原因就是 会思考 ： 引入了 思维链 （Chain-of-Thought）推理机制，并通过 课程采样强化学习 （RLCS，Reinforcement Learning with Curriculum Sampling）来全面提升模型能力。 值得一提的是，在智谱这次发布新模型之际，浦东创投集团和张江集团对其进行了 10亿元投资 ，并将于近期完成首次交割。 评测是一方面，但也正如我们刚才提到的，现在的A ...

Core Insights - Dr. Peng Junren from Dineike's Brain-Computer Interface (BCI) division published a paper in the "Annals of the New York Academy of Sciences" discussing a new approach to shared autonomy between human electroencephalography and TD3 deep reinforcement learning [1] - The study indicates that approximately 15%-30% of users are unable to effectively operate traditional BCI systems due to physiological differences, highlighting a gap in current technology that only measures internal brain activity without considering environmental factors [1] - Dineike's BCI division proposes an active BCI co-control scheme based on deep reinforcement learning, aiming to provide a new paradigm for the universal application of BCIs through collaborative decision-making between humans and AI agents [1] - The next steps for Dineike involve focusing on breakthroughs in core technologies related to brainwave interaction and the industrialization of these technologies, moving from laboratory research to practical applications [1]

SRFT团队 投稿 量子位 | 公众号 QbitAI 通过单阶段监督微调与强化微调结合，让大模型在训练时能同时利用专家演示和自我探索试错，有效提升大模型推理性能。 中国科学院自动化研究所深度强化学习团队 联合 美团 ，提出一种 单阶段监督-强化微调方法——SRFT (Supervised Reinforcement Fine-Tuning) 。该方法通过基于熵的动态加权机制，将两种训练范式结合。 在大语言模型（LLM）的推理能力提升上，监督微调（SFT） 和强化学习（RL，有时也称作强化微调，RFT）是两条核心技术路线。但它们 各自都存在瓶颈： SFT擅长模仿专家解题思路，类似"背书"，能快速为模型打下基础，但缺点是容易陷入死记硬背，缺乏在新问题上灵活应用和寻找最优解的能 力； RFT/RL通过不断试错来探索解题方法，类似"刷题"，能够发现更优解法，但其探索过程效率低下，容易面临模式崩溃风险。 因此，目前研究者通常采用两阶段 顺序 方法SFT→RFT/RL：先用SFT学习高质量数据集，再用RFT/RL进一步优化对齐LLM策略（即先"背 完书"再"去刷题"）。 然而，这种串行方式不仅影响学习效率，还常常导致模型 ...

点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近15个 方向 学习 路线 职位描述 我们正在寻找一位杰出的研究员/科学家，加入我们的前沿探索团队，共同定义和构建下一代自 动驾驶与机器人的"大脑"。您将致力于突破性的具身基座模型 (Embodied Foundation Model) 的 研究，该模型将深度融合视觉-语言-行动 (VLA) 能力，并具备卓越的空间感知与空间推理能 力。 多模态场景理解：融合视觉、语言、雷达等多源信息，实现对动态、开放环境的深刻理解和空间 感知。 复杂语义推理与决策：让模型能够理解模糊、抽象的人类指令，并结合对物理世界的空间推理， 生成安全、合理、可解释的行动序列。 学习与适应机制：深入研究强化学习 (RL)、模仿学习 (IL) 及自监督学习方法，使模型能从海量 数据和与环境的交互中持续学习和进化。 技术愿景与路线图：主导构建可泛化、高效率的具身智能基座模型，为未来1-3年的技术演进提 供核心支撑，并探索其在自动驾驶和通用机器人领域的统一应用潜力。 学术影响力与合作：与全球顶尖高校及研究机构合作，探索表征学习、因果推理、世界模型等长 期议题。在CVPR、 ...

核心职责包括 前沿算法研究与构建：负责设计和实现领先的具身多模态大模型。您的研究将不仅限于现有的VLA框架，更将 探索如何构建能够理解复杂三维世界、并进行长时序、多步骤任务规划的世界模型 (World Model)。 核心模型能力攻关：主导模型在以下关键能力上的突破： 多模态场景理解：融合视觉、语言、雷达等多源信息，实现对动态、开放环境的深刻理解和空间感知。 职位描述 我们正在寻找一位杰出的研究员/科学家，加入我们的前沿探索团队，共同定义和构建下一代自动驾驶与机器人 的"大脑"。您将致力于突破性的具身基座模型 (Embodied Foundation Model) 的研究，该模型将深度融合视觉-语 言-行动 (VLA) 能力，并具备卓越的空间感知与空间推理能力。 复杂语义推理与决策：让模型能够理解模糊、抽象的人类指令，并结合对物理世界的空间推理，生成安全、合 理、可解释的行动序列。 学习与适应机制：深入研究强化学习 (RL)、模仿学习 (IL) 及自监督学习方法，使模型能从海量数据和与环境的 交互中持续学习和进化。 技术愿景与路线图：主导构建可泛化、高效率的具身智能基座模型，为未来1-3年的技术演进提供核心支 ...

招商局狮子山人工智能实验室 投稿 量子位 | 公众号 QbitAI 大模型可以不再依赖人类调教，真正"自学成才"啦？ 新研究仅通过 RLVR （可验证奖励的强化学习），成功让模型自主进化出 通用的探索、验证与记忆能力 ，让模型学会"自学"！ 当前主流的LLM Agent依然高度依赖于提示词工程、复杂的系统编排、甚至静态规则表，这使得它们在面对复杂任务时难以实现真正的智能 行为演化。 而来自招商局狮子山人工智能实验室的研究团队认为，RLVR范式是智能体（Agent）通往更高通用性和自主性的重要突破口。 于是，他们从两个关键层面出发构建了端到端Agent训练pipeline—— L0系统 ： 智能体架构层面 提出了结构化智能体框架——NB-Agent，在经典"代码即行动" （Code-as-Action） 架构基础上进行扩展，使智能体能够操作记忆/上下 文，从而获得类人类的记忆存储、信息总结与自我反思能力。 学习范式层面 探索了一个核心问题：是否可以仅通过RLVR范式，引导智能体从零开始，学会如何规划、搜索、验证与记忆，最终解决复杂的多轮推理 任务？ L0系统的框架、模型及训练集已 全部开源 ，详细可见文末链接。 ...

空间智能与具身智能视觉感知挑战赛 竞赛目的与意义 视觉感知是实现空间智能与具身智能的关键支撑技术，近年来在自动驾驶、智慧城市、机器人等场景中展现出 广泛应用前景。特别是强化学习等技术在智能体感知与决策中的深度融合，正在成为推动该领域突破的重要力 量。 • 推动高效、高质量的空间智能和具身智能技术的研究。 • 探索强化学习、计算机视觉、图形学等前沿方法的创新。 • 促进神经渲染、场景优化和机器人抓取等方向的应用。 竞赛组织方 组织者 ：彭君然、陈磊、唐彦嵩、刘健、许修为、尹航、孙浩文、卫浩宇、刘旭阳、赵鑫 指导专家 ：张兆翔、鲁继文、殷绪成 组织单位 ：北京科技大学、清华大学、中国科学院自动化研究所、北京九章云极科技有限公司、塞弗卓盈 （上海）科技有限公司 赞助商及技术支持单位 ：北京九章云极科技有限公司 媒体支持单位 ：塞弗卓盈（上海）科技有限公司 联系电话 ：13051937326 联系邮箱 ： prcvcompetition@126.com 微信交流群 ：报名邮件回复确定 参赛者要求 ： 按自愿报名的原则，参赛团队和成员的组成可以为： 报名方式 以个人或团队方式均可通过邮件方式报名参赛，每个参赛队伍人员不 ...

温馨提示 ： 点击下方图片，查看运营团队2025年6月最新原创报告（共235页） 说明： 欢迎 约稿、刊例和商务合作、行业人士交流 ， 行业交流记得先加入 "机器人头条"知识星球 ，后添加（ 微信号： lietou100w ）微信； 若有侵权、改稿请联系编辑运营（微信：li_sir_2020）； 正文： 随着人工智能和大模型技术发展，具身智能赛道成为如今最火赛道之一；具身智能技术领域具体会涉及到大语 言模型（LLM）、视觉多模态模型（VLM）、强化学习（Reinforcement Learning）、深度强化学习（Deep Reinforcement Learning）、模仿学习（Imitation Learning）等诸多前沿技术。 人形机器人发展多年，从最初基于 模型的控制算法（LIPM+ZMP），到动态模型控制和最优控制算法 （MPC+WBC），到如今的模拟+强化学习（IL+RL），当然现阶段也有不少人形机器人公司采用MPC方式，各类 算法没有绝对的替代关系，各有优劣；IL+RL是目前人形机器人公司最常提起的概念，基本都是高校和头部科技 大厂内研发机构在研究，也是为什么目前人形机器人初创公司以"学院派" ...

过去，灵巧手更多是实验室中的符号——高自由度、仿生结构、极高成本；而如今，伴随软硬协同能力的提升、控制算法的不断演进、触觉与多模态感知 的加速融合，灵巧手正逐步从科研走向应用的临界点。一方面，它是工业自动化对"异形抓取""多任务执行"能力的新需求延伸；另一方面，它也是服务机 器人在家庭、医疗、养老等场景中迈向"真实可用"的关键一环。 当AI从云端走向实体，具身智能正逐渐成为通往下一代通用人工智能的关键路径。在这一演进过程中，灵巧手作为"通用机器人"实现复杂操作与自然交互 的核心执行器，正迎来前所未有的技术突破与商业想象空间。 值得注意的是，这一领域正快速演变为全球技术博弈与资本布局的热点。从Shadow Robot与DeepMind合作攻克多任务抓取，到中国本土初创企业灵心巧 手凭借超高自由度结构在仿生手赛道突围，一批聚焦结构创新、感知控制一体化的新兴力量，正在不断刷新我们对"灵巧"这一词的理解。 我们希望通过本报告，为关注具身智能、机器人末端执行器、智能制造升级的产业人士与投资机构，提供一份具备前瞻视角与产业落点的深度参考。本篇 报告将围绕以下三大维度系统展开： 产业定义与技术演进 应用场景与商业趋势 竞争 ...