Video wird geladen...

Video konnte nicht geladen werden

Beim Laden dieses Videos ist ein Problem aufgetreten. Dies könnte an einem vorübergehenden Netzwerkproblem liegen oder das Video ist möglicherweise nicht verfügbar.

清华大学团队研究成果，日本福岛核废水轨迹模拟建模，真是细思极恐。

梦留史学

19,677 subscribers

175,757 Aufrufe • vor 3 Jahren •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

😱😱😱 我觉得它是露出水面了后才临时变成了模样细思极恐………！😰

😱😱😱 我觉得它是露出水面了后才临时变成了模样细思极恐………！😰

Xiaoxiao菇梁

36,488 Aufrufe • vor 4 Monaten

一个孩子得知日本排放核废水，气得哇哇大哭，把日本地图都剪了。孩子啊，如果你知道浙江秦山氚的排放量是福岛的10倍，你怎么办？😭

一个孩子得知日本排放核废水，气得哇哇大哭，把日本地图都剪了。孩子啊，如果你知道浙江秦山氚的排放量是福岛的10倍，你怎么办？😭

冰玉IceJade🇺🇦#StandWithUkraine

1,498,110 Aufrufe • vor 3 Jahren

中国外交部：如果有人认为福岛核污染水可以饮用、可以游泳，建议日方把核污染水好好利用起来，供这些人饮用或游泳。如果有人愿意用核废水做饭，我愿意在新疆发起众筹，帮助他把核废水送到家里。

中国外交部：如果有人认为福岛核污染水可以饮用、可以游泳，建议日方把核污染水好好利用起来，供这些人饮用或游泳。如果有人愿意用核废水做饭，我愿意在新疆发起众筹，帮助他把核废水送到家里。

夏一旦（Xiayidan）

175,612 Aufrufe • vor 3 Jahren

日本的罪行不止731，还有吉林531部队、吉林100部队、广州8604部队、南京1644部队、华北1855部队。山东鲁西细菌战，人类历史上最大规模的细菌战，42.7万人死亡，致使1500公里土地成为无人区。小日本，跟它干爹美利奸一样，都是人类恶魔😈😈😈！

日本的罪行不止731，还有吉林531部队、吉林100部队、广州8604部队、南京1644部队、华北1855部队。山东鲁西细菌战，人类历史上最大规模的细菌战，42.7万人死亡，致使1500公里土地成为无人区。小日本，跟它干爹美利奸一样，都是人类恶魔😈😈😈！

豫章信使

194,931 Aufrufe • vor 2 Jahren

一个孩子，得知日本排放核废水，气得哇哇大哭，把日本地图都剪了！孩子啊，要比较一下日本和其它国家，核废水排入大海时的两个数值，一是单位体积的放射性元素含量，二是总排放量。日本福岛核灾废水排入太平洋，持续排放30年。中国禁止日本海鲜进口。问题：会禁止30年吗？如两年后开放，又该怎么解释？

一个孩子，得知日本排放核废水，气得哇哇大哭，把日本地图都剪了！孩子啊，要比较一下日本和其它国家，核废水排入大海时的两个数值，一是单位体积的放射性元素含量，二是总排放量。日本福岛核灾废水排入太平洋，持续排放30年。中国禁止日本海鲜进口。问题：会禁止30年吗？如两年后开放，又该怎么解释？

亚洲金融 Asia Finance

70,040 Aufrufe • vor 3 Jahren

最近一段时间都在关注模型、建模、仿真、优化这些都是有趣课题，值得去了解学习在这里我简单介绍两款开源项目： Webots 和 Modelica & OpenModelica 视频1是Webots的自动驾驶仿真视频2是OpenModelica 6气缸的 v6 引擎仿真模型，模拟仿真，物理引擎，机器人，自动驾驶，都是非常重要的课题和基础 Webots 是一款用于模拟机器人的开源多平台桌面应用程序之前也提及：汽车自动驾驶其实就是一个大号机器人，软件定义汽车已是趋势 Webots 提供了一个完整的开发环境来建模、编程和模拟机器人它为专业用途而设计，广泛应用于工业、教育和研究 Webots 基于 C++/Qt 构建，支持 ROS Webots 依靠 ODE（Open Dynamics Engine,开放动力学引擎）进行物理模拟因此，一些 Webots 参数、结构或概念引用了 ODE ODE 有着广泛的应用，值得更多关注 Webots + ODE + ROS 一个完整的机器人自动驾驶模拟仿真工具链一个思考：我们的世界是个建模仿真还是一个真实存在 -------------- 建模很重要 Model knowledge is stored in books and human minds which computers cannot access 数值分析、科学计算软件包基本都会搭载建模仿真工具，比如 MATLAB 有 Simulink Scilab 有 Xcos 当然，也有很多专注建模和仿真的开源工具，上面介绍的 Webots，接着再给大家介绍下 Modelica & OpenModelica Modelica 是开源建模语言 OpenModelica 是一个基于 Modelica 的开源建模和仿真环境 (基于 C/C++/Qt 构建)，包含编译器和运行时，旨在供工业和学术用途基于建模语言和仿真环境去学习研究和实践数学建模、物理模拟和科学工程都是非常好的方式类似将 MATLAB/Octave/Scilab 用于数值分析和科学计算是同样道理 Modelica 基本理念：设计一种建模语言，满足多领域物理系统建模与仿真工程应用，可用于几乎所有工程领域的建模，从而摆脱针对特定专业领域工具的限制换言之，Modelica 即是建模语言，同时也是模型交换与重用的标准众多面向对象建模语言开发商共同一起，基于他们的经验，研究建立多领域物理系统的建模规范 Modelica 可以解决用连续微分代数方程组（DAEs）表示的许多问题 Modelica 使用 DAEs，而避免使用常微分方程 (ODEs) 描述物理世界，从而在建立方程方面减轻了建模人员的负担 Modelica 支持连续变量和离散变量两种方式在同一组件模型或系统模型中使用 Modelica 模型标准库，Modelica Standard Library, MSL 开发 MSL 的目的是让使用 Modelica 语言的用户，不用开发底层基本的组件模型，就可以开展物理系统的建模和仿真工作用户需要掌握 Modelica 语言的基础，并学会怎样有效地使用 MSL 目前版本的 MSL 包含 1417 component models and blocks, 512 example models, and 1219 functions Modelica 是开源建模语言，采用类似 C++ 的发展模式，希望能最终纳入 ISO, ANSI, IEEE 标准体系如果不出意外，Modelica 极有可能会像 C++ 一样成为一种流行的物理系统建模语言，我们拭目以待吧有关 Modelica & OpenModelica 的介绍和快速了解，可下载官方提供的 200 多页幻灯片资料从 1997 年 1.0 版到现在正在开发的 3.7 版，Modelica 建模语言之路也已走了快 30年 ---------------------- ps: 国内外的很多差距其实就体现在这些方面，国外很多研究和应用可以一直持续几十年不间断。（展开，包括很多知名摇滚重金属乐队，动不动就是30,40年历史，国内乐队大多昙花一现，有些东西确实没办法）我们更多是热点来了一哄而上，热度退却，再一哄而散。没有10年，几十年甚至上百年的积累沉淀，怎么比和竞争呢所以不要盲目的瞎高潮，克制住站在巨人肩上取得一点进展的狂喜中迷失自我

最近一段时间都在关注模型、建模、仿真、优化这些都是有趣课题，值得去了解学习在这里我简单介绍两款开源项目： Webots 和 Modelica & OpenModelica 视频1是Webots的自动驾驶仿真视频2是OpenModelica 6气缸的 v6 引擎仿真模型，模拟仿真，物理引擎，机器人，自动驾驶，都是非常重要的课题和基础 Webots 是一款用于模拟机器人的开源多平台桌面应用程序之前也提及：汽车自动驾驶其实就是一个大号机器人，软件定义汽车已是趋势 Webots 提供了一个完整的开发环境来建模、编程和模拟机器人它为专业用途而设计，广泛应用于工业、教育和研究 Webots 基于 C++/Qt 构建，支持 ROS Webots 依靠 ODE（Open Dynamics Engine,开放动力学引擎）进行物理模拟因此，一些 Webots 参数、结构或概念引用了 ODE ODE 有着广泛的应用，值得更多关注 Webots + ODE + ROS 一个完整的机器人自动驾驶模拟仿真工具链一个思考：我们的世界是个建模仿真还是一个真实存在 -------------- 建模很重要 Model knowledge is stored in books and human minds which computers cannot access 数值分析、科学计算软件包基本都会搭载建模仿真工具，比如 MATLAB 有 Simulink Scilab 有 Xcos 当然，也有很多专注建模和仿真的开源工具，上面介绍的 Webots，接着再给大家介绍下 Modelica & OpenModelica Modelica 是开源建模语言 OpenModelica 是一个基于 Modelica 的开源建模和仿真环境 (基于 C/C++/Qt 构建)，包含编译器和运行时，旨在供工业和学术用途基于建模语言和仿真环境去学习研究和实践数学建模、物理模拟和科学工程都是非常好的方式类似将 MATLAB/Octave/Scilab 用于数值分析和科学计算是同样道理 Modelica 基本理念：设计一种建模语言，满足多领域物理系统建模与仿真工程应用，可用于几乎所有工程领域的建模，从而摆脱针对特定专业领域工具的限制换言之，Modelica 即是建模语言，同时也是模型交换与重用的标准众多面向对象建模语言开发商共同一起，基于他们的经验，研究建立多领域物理系统的建模规范 Modelica 可以解决用连续微分代数方程组（DAEs）表示的许多问题 Modelica 使用 DAEs，而避免使用常微分方程 (ODEs) 描述物理世界，从而在建立方程方面减轻了建模人员的负担 Modelica 支持连续变量和离散变量两种方式在同一组件模型或系统模型中使用 Modelica 模型标准库，Modelica Standard Library, MSL 开发 MSL 的目的是让使用 Modelica 语言的用户，不用开发底层基本的组件模型，就可以开展物理系统的建模和仿真工作用户需要掌握 Modelica 语言的基础，并学会怎样有效地使用 MSL 目前版本的 MSL 包含 1417 component models and blocks, 512 example models, and 1219 functions Modelica 是开源建模语言，采用类似 C++ 的发展模式，希望能最终纳入 ISO, ANSI, IEEE 标准体系如果不出意外，Modelica 极有可能会像 C++ 一样成为一种流行的物理系统建模语言，我们拭目以待吧有关 Modelica & OpenModelica 的介绍和快速了解，可下载官方提供的 200 多页幻灯片资料从 1997 年 1.0 版到现在正在开发的 3.7 版，Modelica 建模语言之路也已走了快 30年 ---------------------- ps: 国内外的很多差距其实就体现在这些方面，国外很多研究和应用可以一直持续几十年不间断。（展开，包括很多知名摇滚重金属乐队，动不动就是30,40年历史，国内乐队大多昙花一现，有些东西确实没办法）我们更多是热点来了一哄而上，热度退却，再一哄而散。没有10年，几十年甚至上百年的积累沉淀，怎么比和竞争呢所以不要盲目的瞎高潮，克制住站在巨人肩上取得一点进展的狂喜中迷失自我

灰狐

13,010 Aufrufe • vor 1 Jahr

当代的女大学生跟进了韩国女团培训班一样大有点超越韩国女团的意思好看是真的好看，腿也是真的白就是不知道这种女大谈一年成本要不要50万🙈

当代的女大学生跟进了韩国女团培训班一样大有点超越韩国女团的意思好看是真的好看，腿也是真的白就是不知道这种女大谈一年成本要不要50万🙈

Sizhe思哲

269,707 Aufrufe • vor 4 Monaten

我是一名建筑师，当我把我自己的作品交给 Marble (World Labs) 时，我得到了这个⬇️ Wow！！！！一张图换来一个世界太酷了！！！所以，欢迎 AI 终于来到我的世界——那个属于空间的世界！！！（建筑/建筑学是关于空间的设计/学科（深圳清华大学研究院新大楼

我是一名建筑师，当我把我自己的作品交给 Marble (World Labs) 时，我得到了这个⬇️ Wow！！！！一张图换来一个世界太酷了！！！所以，欢迎 AI 终于来到我的世界——那个属于空间的世界！！！（建筑/建筑学是关于空间的设计/学科（深圳清华大学研究院新大楼

-Zho-

50,931 Aufrufe • vor 10 Monaten

钻石联赛上邵雨琪略显羞涩地找澳大利亚跳高名将埃莉诺·帕特森合影邵雨琪是学霸运动员，以超出录取分数线的成绩考入清华大学，现在本科毕业保送研究生，攻读材料学

钻石联赛上邵雨琪略显羞涩地找澳大利亚跳高名将埃莉诺·帕特森合影邵雨琪是学霸运动员，以超出录取分数线的成绩考入清华大学，现在本科毕业保送研究生，攻读材料学

老多

143,152 Aufrufe • vor 4 Monaten

在 Deepseek Harness 用 deepseek v4 pro max 模式让其给自己制作一个网页具体效果，大家看下面的视频，全是 AI 味，但快是真的快在 Deepseek Harness 中设计前端还是需要研究下的

在 Deepseek Harness 用 deepseek v4 pro max 模式让其给自己制作一个网页具体效果，大家看下面的视频，全是 AI 味，但快是真的快在 Deepseek Harness 中设计前端还是需要研究下的

Sac

17,165 Aufrufe • vor 1 Monat

✨科学界迎来新变化：阿里开源首个统一科学语言大模型阿里通义实验室（ATH-Token Foundry）联合中国人民大学高瓴人工智能学院，刚刚开源了 LOGOS — 一个尝试用同一套科学语法处理多领域科学对象的生成基础模型。核心亮点： - 预训练数据约 44.87B tokens，覆盖7类科学模态。 - 提供 1B、3B、8B 等规模模型，其中1B参数版本在多个任务上展现出较好的参数效率。 - 无需显式3D几何网络，直接通过序列建模实现生成。 - 完全开源：模型权重 + 推理代码 + 技术报告。核心价值： - 用同一套模型 + 同一套科学语法，统一处理原本需要多个领域专用模型的任务（蛋白质、分子、材料、反应等）。 - 参数效率高（1B版本就能在多个任务上表现出色），降低科研门槛，让AI辅助从预测转向生成设计。它把蛋白质、抗体、小分子、化学反应、材料以及界面互作等异构对象，全部统一编码成离散Token序列，用纯自回归方式进行跨领域生成。这为AI for Science提供了一个新的统一框架思路，值得相关领域的研究者和开发者关注和测试。

✨科学界迎来新变化：阿里开源首个统一科学语言大模型阿里通义实验室（ATH-Token Foundry）联合中国人民大学高瓴人工智能学院，刚刚开源了 LOGOS — 一个尝试用同一套科学语法处理多领域科学对象的生成基础模型。核心亮点： - 预训练数据约 44.87B tokens，覆盖7类科学模态。 - 提供 1B、3B、8B 等规模模型，其中1B参数版本在多个任务上展现出较好的参数效率。 - 无需显式3D几何网络，直接通过序列建模实现生成。 - 完全开源：模型权重 + 推理代码 + 技术报告。核心价值： - 用同一套模型 + 同一套科学语法，统一处理原本需要多个领域专用模型的任务（蛋白质、分子、材料、反应等）。 - 参数效率高（1B版本就能在多个任务上表现出色），降低科研门槛，让AI辅助从预测转向生成设计。它把蛋白质、抗体、小分子、化学反应、材料以及界面互作等异构对象，全部统一编码成离散Token序列，用纯自回归方式进行跨领域生成。这为AI for Science提供了一个新的统一框架思路，值得相关领域的研究者和开发者关注和测试。

HankAI

14,299 Aufrufe • vor 3 Monaten

【日本大学把宇树机器人改成僧侣：能早晚诵佛经和参与宗教仪式】综合外媒报道，日本京都大学“人与社会未来研究院”团队近日发布一款名为“佛机器人 Plus”的僧侣机器人，旨在在人口老龄化、劳动力减少背景下，缓解佛教僧侣数量不足的问题。该机器人基于中国宇树科技的人形机器人硬件平台打造，搭载AI系统，可完成合十、礼拜等宗教动作。系统集成ChatGPT模型，并结合经过训练的佛教经典语料，具备语音识别与对话生成能力，能够围绕佛理与信众互动交流。在外观与动作设计上，团队刻意营造庄严、稳重的节奏与仪态，模拟僧侣日常礼仪行为，未来或可参与早晚课诵经及部分宗教仪式。研发团队表示，目前该项目仍处于开发和实验阶段，相关应用场景及伦理问题仍在进一步评估与研究中。另外，日本京都是千年古都，庙宇众多，僧侣机器人或有广阔的当地市场。

【日本大学把宇树机器人改成僧侣：能早晚诵佛经和参与宗教仪式】综合外媒报道，日本京都大学“人与社会未来研究院”团队近日发布一款名为“佛机器人 Plus”的僧侣机器人，旨在在人口老龄化、劳动力减少背景下，缓解佛教僧侣数量不足的问题。该机器人基于中国宇树科技的人形机器人硬件平台打造，搭载AI系统，可完成合十、礼拜等宗教动作。系统集成ChatGPT模型，并结合经过训练的佛教经典语料，具备语音识别与对话生成能力，能够围绕佛理与信众互动交流。在外观与动作设计上，团队刻意营造庄严、稳重的节奏与仪态，模拟僧侣日常礼仪行为，未来或可参与早晚课诵经及部分宗教仪式。研发团队表示，目前该项目仍处于开发和实验阶段，相关应用场景及伦理问题仍在进一步评估与研究中。另外，日本京都是千年古都，庙宇众多，僧侣机器人或有广阔的当地市场。

王局拍案

10,560 Aufrufe • vor 7 Monaten

💥卧槽！一台 MacBook 就能训出“超级 Jev”？！Naive N0.5 Flash 把决策模型 Jev 玩成了代差，性能碾压 Laya ! 同一套俄罗斯方块、同一序列、同一时钟： ▫️ Jev（云端）消行 49｜延迟 220.9ms｜直接 TOP OUT ▫️ Laya（本地）消行 69｜延迟 21.8ms｜快，但打不深 ▫️ Naive N0.5 Flash 自主训出的类 Jev 消行 223｜延迟 52.5ms｜局数直接翻 3～4 倍这才叫快准狠：快：本地 50ms 级决策，不跪云端往返准：不是瞎快，是真清行、真堆低狠：用 coding / AI4AI 模型自己训领域决策模型，成本比调成熟通用 API 还低训练和部署都能在 MacBook 上跑完。这不是“调用大模型玩游戏”，是 AI 自己造出一个会打方块的 System-1。未来可能真是：每个人 DIY 一个领域模型，比天天烧 API 更划算。 #NaiveAIN05 #Jev #Laya #vibe编码 #AI4AI #清华大学 #大模型 #俄罗斯方块

💥卧槽！一台 MacBook 就能训出“超级 Jev”？！Naive N0.5 Flash 把决策模型 Jev 玩成了代差，性能碾压 Laya ! 同一套俄罗斯方块、同一序列、同一时钟： ▫️ Jev（云端）消行 49｜延迟 220.9ms｜直接 TOP OUT ▫️ Laya（本地）消行 69｜延迟 21.8ms｜快，但打不深 ▫️ Naive N0.5 Flash 自主训出的类 Jev 消行 223｜延迟 52.5ms｜局数直接翻 3～4 倍这才叫快准狠：快：本地 50ms 级决策，不跪云端往返准：不是瞎快，是真清行、真堆低狠：用 coding / AI4AI 模型自己训领域决策模型，成本比调成熟通用 API 还低训练和部署都能在 MacBook 上跑完。这不是“调用大模型玩游戏”，是 AI 自己造出一个会打方块的 System-1。未来可能真是：每个人 DIY 一个领域模型，比天天烧 API 更划算。 #NaiveAIN05 #Jev #Laya #vibe编码 #AI4AI #清华大学 #大模型 #俄罗斯方块

SuSu_酥酥👅

30,462 Aufrufe • vor 4 Tagen

有人靠金融市场模拟，在链上赚了 $400,000 而且用到的整套工具，都是 GitHub 开源能看到的钱包在这，自己点开看：他们做的不是 crypto 原生叙事而是拿 Russell 2000、Dow Jones、SPX、Apple、Google 这些传统金融标的来做 Polymarket 交易问题也很现实：这些数据平时都在大型中心化交易所里。你怎么拿？拿到之后又怎么处理，才能真的变成可交易模型？这套公开出来的技术栈，大概是这样： 1）Financial Datasets MCP Server 给任意 ticker、任意时间周期提供价格数据解析。核心卖点就是：免费真实数据。 GitHub： 2）MiroThinker 一个偏深度研究和预测的 agent。据说在 BrowseComp benchmark 上做到 88.2。特点是：长周期推理先验证再下结论步骤级 + 全局级校验单任务最多可调用 300 次工具它的作用不是直接下单。而是先通过 MCP Server 拉数据，把研究、清洗、验证这些环节跑完，最后整理成可以直接用于模拟的数据集。 GitHub： 3）MiroFish simulation system 把前面准备好的数据丢进去，再设定模拟参数，就可以开始跑价格行为模拟。本质上，它卖的不是一个指标。而是一种更接近“矩阵视角”的东西：价格在不同条件下会怎么动哪些路径更常见哪些定价其实偏离了历史结构整个流程串起来就是：拉传统金融历史数据 → 用 agent 做研究和数据整理 → 把数据送进模拟系统 → 再拿结果去打 Polymarket 上的相关市场这种玩法最值得看的，不是“开源”两个字而是它说明了一件事： Polymarket 上很多看起来像事件交易的东西，背后其实已经在被人用传统金融数据 + agent 研究 + simulation当成量化问题来做。你觉得这种 edge 的核心，更像是数据获取能力，agent 研究能力，还是最后那层 simulation 对市场行为的还原能力？

有人靠金融市场模拟，在链上赚了 $400,000 而且用到的整套工具，都是 GitHub 开源能看到的钱包在这，自己点开看：他们做的不是 crypto 原生叙事而是拿 Russell 2000、Dow Jones、SPX、Apple、Google 这些传统金融标的来做 Polymarket 交易问题也很现实：这些数据平时都在大型中心化交易所里。你怎么拿？拿到之后又怎么处理，才能真的变成可交易模型？这套公开出来的技术栈，大概是这样： 1）Financial Datasets MCP Server 给任意 ticker、任意时间周期提供价格数据解析。核心卖点就是：免费真实数据。 GitHub： 2）MiroThinker 一个偏深度研究和预测的 agent。据说在 BrowseComp benchmark 上做到 88.2。特点是：长周期推理先验证再下结论步骤级 + 全局级校验单任务最多可调用 300 次工具它的作用不是直接下单。而是先通过 MCP Server 拉数据，把研究、清洗、验证这些环节跑完，最后整理成可以直接用于模拟的数据集。 GitHub： 3）MiroFish simulation system 把前面准备好的数据丢进去，再设定模拟参数，就可以开始跑价格行为模拟。本质上，它卖的不是一个指标。而是一种更接近“矩阵视角”的东西：价格在不同条件下会怎么动哪些路径更常见哪些定价其实偏离了历史结构整个流程串起来就是：拉传统金融历史数据 → 用 agent 做研究和数据整理 → 把数据送进模拟系统 → 再拿结果去打 Polymarket 上的相关市场这种玩法最值得看的，不是“开源”两个字而是它说明了一件事： Polymarket 上很多看起来像事件交易的东西，背后其实已经在被人用传统金融数据 + agent 研究 + simulation当成量化问题来做。你觉得这种 edge 的核心，更像是数据获取能力，agent 研究能力，还是最后那层 simulation 对市场行为的还原能力？

0x_Miko

23,818 Aufrufe • vor 6 Monaten

卧槽，Google/DeepMind 团队最新演示的 AI 递归自我改进论文有点吊炸，奇点要来了吗！？以前让 Agent 去探索一个复杂的算法或 GPU 算子，每试错一次就要花几十美分、还要等编译跑分，钱包根本扛不住。谷歌 Dream-RSI 的思路变了：它让模型在过去的历史日志里做梦，用极低成本试完几千种打法，选出最好的再上线实测。早上好好看了下，发现DeepMind 这篇 Dream-RSI 最值钱的突破其实还不只是让 AI 去修改自身权重，他们终于找到了一种办法，把调用大模型做探索的成本直接打掉了最高 162 倍。对正在做代码智能体、自动科研和算法优化的人来说，这篇论文给出了一个极度清醒的工程底座。它的思路非常克制，一共踩实了三步： 1️⃣ 冻结模型权重，只改战术打法科幻小说里的自进化，往往是让模型自己改自己的底层代码或权重，结果往往是灾难性遗忘和幻觉暴增；谷歌第一步就把安全阀焊死了：底层的大模型完全固定不动，它只负责干活；自我改进的对象，是指导模型去哪里搜索、什么时候回溯、怎么选分支的探索策略。 2️⃣ 把历史残局做成做梦模拟器这是全篇最聪明的一步。以前让 Agent 探索长链条任务，最昂贵的是每一步都要真机运行、在线打分； Dream-RSI 把过去跑完的探索轨迹存成了一棵不可篡改的历史树；这棵树就是环境模拟器，系统可以在离线状态下疯狂做梦，把成千上万种新的探索打法放在历史数据上快速过一遍，既不需要重新调用大模型生成一遍内容，也不用重复去跑耗时的编译器。 3️⃣ 用历史教训筛选出最佳策略再实战在沙盒里挑选出得分最高的探索策略后，才把它装载到下一轮真实的业务环境里；在数学优化、算法设计和 GPU 内核优化的测试中，它不仅拿到了持平甚至更好的方案，还把在线调用大模型的次数砍到了原本的几十分之一，特定测试下甚至减少了 162 倍。但看这篇论文必须看清它的取信边界：这种自我进化之所以成立，是因为算法和 GPU 代码有着极其冷酷的判定器，能不能编译、运行速度快了多少，物理世界会给出绝对确定的分数；如果换成写文章、做设计等没有客观真理裁判的场景，做梦机制会瞬间退化成自我陶醉的幻觉堆叠。真正的智能化突破，往往不是靠盲目堆算力去穷举试错；模型的能力可以固定，但通过沉淀过去的失败轨迹、用最低的代价把搜索战术打磨到极致，这套把经典强化学习移植进 Agent 系统的框架，给很多被高昂 API 账单卡住的团队，指了一条极其实在的生路。

卧槽，Google/DeepMind 团队最新演示的 AI 递归自我改进论文有点吊炸，奇点要来了吗！？以前让 Agent 去探索一个复杂的算法或 GPU 算子，每试错一次就要花几十美分、还要等编译跑分，钱包根本扛不住。谷歌 Dream-RSI 的思路变了：它让模型在过去的历史日志里做梦，用极低成本试完几千种打法，选出最好的再上线实测。早上好好看了下，发现DeepMind 这篇 Dream-RSI 最值钱的突破其实还不只是让 AI 去修改自身权重，他们终于找到了一种办法，把调用大模型做探索的成本直接打掉了最高 162 倍。对正在做代码智能体、自动科研和算法优化的人来说，这篇论文给出了一个极度清醒的工程底座。它的思路非常克制，一共踩实了三步： 1️⃣ 冻结模型权重，只改战术打法科幻小说里的自进化，往往是让模型自己改自己的底层代码或权重，结果往往是灾难性遗忘和幻觉暴增；谷歌第一步就把安全阀焊死了：底层的大模型完全固定不动，它只负责干活；自我改进的对象，是指导模型去哪里搜索、什么时候回溯、怎么选分支的探索策略。 2️⃣ 把历史残局做成做梦模拟器这是全篇最聪明的一步。以前让 Agent 探索长链条任务，最昂贵的是每一步都要真机运行、在线打分； Dream-RSI 把过去跑完的探索轨迹存成了一棵不可篡改的历史树；这棵树就是环境模拟器，系统可以在离线状态下疯狂做梦，把成千上万种新的探索打法放在历史数据上快速过一遍，既不需要重新调用大模型生成一遍内容，也不用重复去跑耗时的编译器。 3️⃣ 用历史教训筛选出最佳策略再实战在沙盒里挑选出得分最高的探索策略后，才把它装载到下一轮真实的业务环境里；在数学优化、算法设计和 GPU 内核优化的测试中，它不仅拿到了持平甚至更好的方案，还把在线调用大模型的次数砍到了原本的几十分之一，特定测试下甚至减少了 162 倍。但看这篇论文必须看清它的取信边界：这种自我进化之所以成立，是因为算法和 GPU 代码有着极其冷酷的判定器，能不能编译、运行速度快了多少，物理世界会给出绝对确定的分数；如果换成写文章、做设计等没有客观真理裁判的场景，做梦机制会瞬间退化成自我陶醉的幻觉堆叠。真正的智能化突破，往往不是靠盲目堆算力去穷举试错；模型的能力可以固定，但通过沉淀过去的失败轨迹、用最低的代价把搜索战术打磨到极致，这套把经典强化学习移植进 Agent 系统的框架，给很多被高昂 API 账单卡住的团队，指了一条极其实在的生路。

AYi

27,665 Aufrufe • vor 17 Tagen

XAI核心团队全面去华‼️ 最近马斯克对xAI创始团队大清洗：原始12位联合创始人中，华人背景的5位（Greg Yang、Tony Wu、Jimmy Ba、Guodong Zhang、Zihang Dai）全被“开除”或离职‼️ 马斯克亲口说“最初没建好，从基础重建”，当初吹嘘的“全华班”，现在看来更像是个笑话 😂 你们说马斯克为啥把华人全开了，是受那位盗窃xai全部代码的华人程序员影响么😂 当然，国内媒体集体装瞎，避而不谈华人全部被开这事😂 #xAI #ElonMusk #AI人才战

XAI核心团队全面去华‼️ 最近马斯克对xAI创始团队大清洗：原始12位联合创始人中，华人背景的5位（Greg Yang、Tony Wu、Jimmy Ba、Guodong Zhang、Zihang Dai）全被“开除”或离职‼️ 马斯克亲口说“最初没建好，从基础重建”，当初吹嘘的“全华班”，现在看来更像是个笑话 😂 你们说马斯克为啥把华人全开了，是受那位盗窃xai全部代码的华人程序员影响么😂 当然，国内媒体集体装瞎，避而不谈华人全部被开这事😂 #xAI #ElonMusk #AI人才战

小蛋糕(日本勇者村）

277,143 Aufrufe • vor 6 Monaten