搜索
近日，机器人圈知名播客节目 RoboPapers 更新了一期专访，对象是光轮智能创始人兼 CEO 谢晨博士。这期节目的采访人是 RoboPapers 播客联合主持人 Michael Cho 和新加坡国立大学（NUS）助理教授 Jiafei Duan。后者是 MolmoAct 系列机器人模型的作者，研究方向正是机器人基础模型与可扩展数据采集。
If I Had One Bet on Robot Learning, I’d Bet on Cross-Entropy. 大语言模型的成功揭示了一个适用于一维序列数据的清晰 Scaling Law：通过自回归训练，并采用交叉熵（cross-entropy）目标函数预测下一个 token 的概率分布，模型能够建模非常复杂的语义概率分布，并随着数据规模和模型规模的增长持续提升性能。
给一个需要长期维护的知识库做数据库选型，通常会碰到两类问题：内容持续更新以后，框架能不能方便修改和回退；数据量和负载上来以后，底层向量数据库能不能根据需求切换。
太震撼了！ 就在刚刚，谷歌DeepMind正式发布「阿尔法」重磅成果——AlphaGenome Atlas。这是一个有前沿AI加持、覆盖全基因组的可搜索预测数据库。
过去两年，AI 领域最激动人心的叙事之一，是让模型自己改进自己：自己生成训练数据、自己改写提示词、自己修复自己的代码。这条路线叫递归自我改进（Recursive Self-Improvement，RSI）。
9月8日，DeepSeek Harness团队负责人崔添翼在社交平台放出约150个招聘名额，岗位涉及大模型研究平台方向、Agent框架组件方向、研发效率基建方向、数据工程方向等工程师。
视频生成、Agent热度提升。
二十多年前，人类基因组计划完成后，科学家第一次拥有了一本由 30 亿个 DNA 字母组成的“生命之书”。
前些天，号称「实现 AGI」的 GPT-6 Astra 发布后，引发了全网对于递归自我改进架构的热议。
在大模型的发展中，提升能力的主要手段一直是 "做大"—— 更多参数、更多数据、更多算力。如今，另一条思路开始受到关注：与其不断堆叠新的层，不如让已有的层再跑一遍。这就是 Looped Transformer。普通 Transformer 的每一层只执行一次，而 Looped Transformer 会把其中一部分层重复执行，让模型在不增加参数的情况下获得更深的计算。