
配图|扈佃杰
创立一档面向创新者的对话栏目,就必然要用一个“称谓”来向创新者们致敬,而「行者」就是在我们脑海中蹦出的第一个词——因为创新者毫无疑问是一批永远在路上的人。同样重要的,行动也是这个世界进步的本源,无论是自然世界的理解,还是人类自身的进步。莫不如是。
在古代,人类对宇宙的理解就源于对宇宙星辰「行动」的观察。考古学家曾经发现一块距今大约5000年的古巴比伦时期的泥板,上面记录着历史上最早将天文运动和地球现象结合的印迹:
在这个月的第15天,整整三天,天空中寻不到这颗星星的踪影。到了11月的第18天,它重新出现在东方。新的泉源涌出来,阿达德(古巴比伦的风暴之神)送来雨水……
在北京冬奥会的开幕式上,二十四节气倒数惊艳了全场。而6年前联合国教科文组织将二十四节气列入「人类非物质文化遗产代表作名录」时,对它的描述也正是——中国古代通过观察太阳周年运动而形成的知识实践体系。
在现代,人类自身的远足,更创造了一个个科技奇迹。50年前,人类自身向宇宙迈出了最远的步伐,阿姆斯特朗踏上月表的第一步,“个人一小步,人类一大步”传遍世界。去年八月,我们的「祝融号」已经在火星上漫步了超过一千米。
与这些奇迹同时发生的,是一系列的新发明。地图卫星导航,真空吸尘器,空气净化器,数码相机,甚至现代泳衣和隐形牙套......都是因太空远足而伴随创造的科技新物种,极大程度改变了人类社会和生产生活。
对旧事物的打破没有止境,创新也就没有止境,创新者的思考与行动也无止境。所以,我们希望与科技行者们对话,就像当年的巴比伦泥板一样,用文字记录下新发现和新洞察。
但同时,我们也希望找到那些更深刻的创新和更硬核的科技。在第四次工业革命和数字化转型同时到来之际,我们眼中的创新者不是信息茧房的编织者,而是未来世界的拓荒者。如同资深创业者、也是风险投资家彼得·蒂尔所说:“人们想要一辆会飞的汽车,得到的却是140个字符。”
「科技行者」,正在让科技走得更远,也让科技离我们更近,我们通过对话,与他们同行。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。