
CNET科技资讯网 3月17日 国际报道:如果说迪士尼乐园是人们美梦成真的地方,那么约翰·斯诺迪(John Snoddy)就是那个“造梦人”。
作为华特迪士尼幻想工程(Walt Disney Imagineering)产品研发工作室的负责人,斯诺迪于当地时间上周六在德克萨斯州奥斯汀举办的西南偏南大会(SXSW)上接受CNET采访时,介绍了迪士尼两个使用了人工智能的项目。
这两个项目是迪士尼创新遗产的一部分,它们可追溯到迪士尼公司创办的那一年。在迪士尼乐园,这种创新探索为我们带来了一级品,例如电子动画(Audio-Animatronics)以及美国第一个日常单轨系统的运行。如今,这种创新将体现在一些以人工智能(AI)为动力的产品上,如人工智能机器人Pascal、《魔发奇缘》中的变色龙伙计以及一个全新的《星球大战》机器人Jake。
迪士尼“幻想工程师”甚至已经偷偷在迪士尼乐园中做过了测验。举例来说,其中的Pascal是一种微型机器人,样子是一只绿色蜥蜴,刚好可以放在手上,可以想象一下,这只蜥蜴的眼睛、嘴和身体有多小。
不过这正是人工智能的酷炫之处,结合人工智能技术的Pascal可以自己活动眼睛、嘴巴甚至脸上的皮肤,同时还可以配合手动控制,就像一个小宠物。在斯诺迪看来:“它不仅仅是一个玩偶,它是一个玩偶和表演者的融合体,就像一个演员。”
而另一个机器人Jake是一个完全自动化、类似于《星球大战》里的R2-D2机器人,它喜欢在研发实验室里四处走动,就像一只宠物狗和与智能扫地机器人Roomba的结合体,只是更加可爱智能。
但在去年夏天,幻想工程师们将Jack从其实验室中“解放”了两个月,让它去迪士尼乐园的《星球大战》发射台地区交朋友。或许成年人看了会觉得好玩,但孩子们肯定会想跟它们一起玩,会觉得机器人是真实存在的,会跟它们说话,会希望跟它们交朋友,甚至想要介绍给爸爸妈妈。
“解放的”Jack
斯诺迪表示,为迪斯尼乐园打造人工智能机器人的优势之一在于,游客们与它们互动时所带给它们的精神财富,他称之为“我们的游客所带来的快乐”。
他说道:“他们并没有去戳它,也没有去寻找它的工作原理。他们选择的是另外一种美好的方式,希望与其进行娱乐互动。”“将我们自己上传给Jake——这条路上我们已迈出脚步。”
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。