07:13官方账号Yann LeCun@ylecun李飞飞提出研究如何让LLM在完成写作任务的同时,也能学习清洁等物理任务。她计划探索超越LLM的方法和架构,以实现高效学习。此想法适用于任何年龄。论文李飞飞LLM物理任务学习推荐理由:李飞飞分享了她对LLM能力的研究方向,如果你对AI如何学习物理任务感兴趣,这值得一看。原文稍后读已读值得跟进有用关注 李飞飞
15:27IT之家(博客/媒体)斯坦福大学教授、ImageNet创办人李飞飞经营AI初创公司World Labs后,因是公司资历最深人员,与年轻同事相处时逐渐显露出“虎妈”一面;她在管理公司时对标准要求很高,体现“虎妈”风格;World Labs今年获10亿美元新融资,主要开发世界模型。行业李飞飞ImageNetWorld Labs推荐理由:李飞飞的World Labs经营后,用“虎妈”式管理带团队,高标准和普通管理不一样,推荐看看。原文稍后读已读值得跟进有用关注 李飞飞
22:39IT之家(博客/媒体)彭博社报道,‘AI 教母’李飞飞认为科技从业者需更清晰说明 AI 好处,因美国多地抵制 AI 数据中心;皮尤中心显示半数美国人对 AI 趋势担忧超期待;李飞飞参与创建 ImageNet 项目曾助力图像识别发展,其创办 World Labs 获 10 亿美金融资。论文李飞飞AI 教母ImageNet推荐理由:李飞飞讲了科技从业者该更清楚说 AI 好处这事,和美国态度比亚洲国家做法不同,能帮咱理解 AI 传播情况。原文稍后读已读值得跟进有用关注 李飞飞
16:00官方账号Decoder@Jonathan Kemper精选World Labs(李飞飞创立的AI公司)推出了一款仿真引擎,可在纯虚拟环境中训练机器人控制器。该系统从一条真实世界任务就能生成数千个受控变体。训练后的模型在五种不同机器人平台上分别连续运行一小时,无需人工干预。该技术在更复杂的日常场景中的表现还有待验证。AI产品World Labs李飞飞具身智能推荐理由:李飞飞的World Labs出了个仿真引擎,一条真实任务能生成几千个变体,机器人在五种平台各跑了一小时不用管。原文稍后读已读值得跟进有用关注 World Labs
17:58IT之家(博客/媒体)72°三位AI人物在拉斯维加斯Ai4大会上分别阐述对AI开放的立场。辛顿反对开放权重模型,认为训练成本消失后容易被恶意利用,但承认这场争论已输。吴恩达更担心美国开源AI因游说和恐慌渲染难以与中国开放权重模型竞争。李飞飞主张按层次分级开放,反对把问题简化为开放与封闭的二元对立。三人都同意一定程度的监管仍然是必要的。行业辛顿李飞飞吴恩达推荐理由:听听辛顿、李飞飞和吴恩达怎么说AI开放——他们反对的不是开源,而是开放权重带来的风险。三位大佬给出各自方案,看完你就懂这场争论的核心了。原文稍后读已读值得跟进有用关注 辛顿
22:00IT之家(博客/媒体)斯坦福大学教授、World Labs联合创始人李飞飞在《商业内幕》采访中表示,AI进入校园最大的危险不是学生作弊,而是削弱学习能力。她警告不当使用AI可能导致年轻一代自主性和学习动力被夺走,大脑未充分发育。李飞飞同时反对全面抵制AI,认为学生投入学习后遇到困难时,AI可成为强大学习伙伴。牛津大学出版社报告显示AI让学生学习速度变快但思考深度降低,MIT研究员科斯米娜研究发现使用生成式AI写作者表现随时间下降。行业李飞飞World LabsAI教育推荐理由:李飞飞聊AI进校园,观点很实在:怕的不是作弊,是孩子懒得动脑。她自己也说当年学有机化学要是有AI就好了,关键看怎么用。原文稍后读已读值得跟进有用关注 李飞飞
20:29AI Will@FinanceYF5李飞飞在AASF 2026上指出,AI领域如今充满极端修辞,声音越大、立场越两极分化的观点反而获得更多曝光。她以学者、科学家、创业者三重身份,主张在AI讨论中从中间地带发声。在AASF 2026,她形容AI是文明级技术,正在撞上人性本身。行业李飞飞AASF 2026AI伦理推荐理由:李飞飞在AASF 2026抨击AI圈极端修辞,呼吁中间立场,三个身份一起发声,听听她怎么说。原文稍后读已读值得跟进有用关注 李飞飞
14:39量子位@一水李飞飞创办的World Labs宣布收购SceniX,后者主攻物理场景合成数据。此次收购将用于物理AI训练,替代传统真实数据采集方式。World Labs希望通过生成式模拟环境,让模型在可控制的虚拟场景中学习。目前双方未披露交易金额。行业World LabsSceniX李飞飞推荐理由:World Labs把SceniX收了,以后训物理AI不用满街采数据,直接造虚拟世界练,李飞飞这步棋挺实在。原文稍后读已读值得跟进有用关注 World Labs
17:42量子位@henryWorld Labs(李飞飞创立)近期将“世界模型”应用在机器人训练中,让机器人获得空间智能。该模型使机器人能够理解三维场景并规划动作路径。早期测试显示机器人可在未见过环境中自主导航和操作物体。World Labs的目标是构建能够像人类一样感知和行动的通用机器人基础模型。AI模型World Labs李飞飞世界模型推荐理由:李飞飞的公司World Labs把世界模型用到机器人上了,机器人能看懂空间、自己规划动作,跟传统方法很不一样。原文稍后读已读值得跟进有用关注 World Labs
06:37官方账号Fei-Fei Li@drfeifei精选斯坦福李飞飞团队推出R2S2R仿真引擎,借助生成式世界模型将单个物理任务转化为多个可控、可复用的虚拟世界。该引擎帮助机器人团队训练策略模型,加速测试变更流程,并更早发现故障。相比直接在硬件上实验,可显著降低成本和风险。AI模型R2S2R生成世界模型机器人仿真1 个信源在谈事件专题推荐理由:李飞飞团队出了个R2S2R引擎,用生成世界模型把真实任务变成虚拟世界,机器人训练测试更快更省钱,值得一看。原文稍后读已读值得跟进有用关注 R2S2R
01:17a16z@a16zWorld Labs CEO李飞飞与SceniX联合创始人Yunzhu Li在a16z的对话中指出,机器人领域面临训练和评估数据严重缺乏的问题,这与互联网上数据丰富的语言模型截然不同。他们认为必须通过世界模型建模环境来释放缩放定律的潜力。通过创建数字世界生成数据,可以替代昂贵且危险的真实环境数据,实现机器人的可扩展学习和评估。行业World LabsSceniX李飞飞1 个信源在谈事件专题推荐理由:李飞飞和Yunzhu Li直接点出机器人训练的数据瓶颈,并分享用数字世界生成数据替代真实数据的思路,和语言模型的对比很直观。原文稍后读已读值得跟进有用关注 World Labs
23:48量子位@思邈该模型在由李飞飞团队构建的视觉语言基准中拿下第一。它完全适配华为昇腾算力平台,无需依赖英伟达硬件。代码和全部权重已开放,社区可直接下载使用。从一张静态图就能生成连贯视频,展现物理规律。AI模型世界模型昇腾李飞飞2 个信源在谈事件专题推荐理由:这个国产模型在权威榜单上拿了第一,还完全开源,用昇腾就能跑,值得看看。原文稍后读已读值得跟进有用关注 世界模型
00:22官方账号Fei-Fei Li@drfeifei精选李飞飞(Fei-Fei Li)旗下 World Labs 宣布收购机器人仿真公司 SceniX。新团队正在高保真模拟中训练和评估机器人,并在真实硬件上完成部署验证。李飞飞表示,渲染、仿真与规划之间的界限正在模糊,SceniX 的加入是空间智能探索的重要一步。行业World LabsSceniX机器人仿真推荐理由:李飞飞团队把专注于机器人仿真的 SceniX 拉进来了,以后机器人可能先在虚拟环境里学好了再落地,效率会高很多。原文稍后读已读值得跟进有用关注 World Labs
08:52官方账号Fei-Fei Li@drfeifei斯坦福大学教授李飞飞(Dr. Fei-Fei Li)在X上发文称,AI的未来将由技术进步和谨慎负责任地引入共同定义。她宣布将于2026年8月4-6日在拉斯维加斯举行的Ai4 2026会议上发表演讲。该会议注册已开放,详情见ai4.io。行业李飞飞Ai4 2026AI安全推荐理由:李飞飞说AI未来靠负责任,她要去Ai4 2026演讲,关注伦理方向的朋友可以看看。原文稍后读已读值得跟进有用关注 李飞飞
16:57量子位@衡宇卡帕西、李飞飞、辛顿等AI领域知名人物共同投资了这家开发Transformer专用芯片的公司。该芯片针对Transformer架构进行了硬件优化,专为加速AI推理设计。公司已签下一份价值10亿美元的大订单。目前芯片已成功流片,进入量产准备阶段。AI产品Transformer卡帕西李飞飞推荐理由:卡帕西、李飞飞、辛顿都投了这家做Transformer专用芯片的公司,刚签下10亿美元大单,芯片已流片,值得一看。原文稍后读已读值得跟进有用关注 Transformer
11:40berryxia@berryxia在YC访谈中,李飞飞指出世界模型需要超越平面像素和语言,捕捉3D结构和空间智能。Aether AI的因果世界模型进一步补全推理能力,使模型从学习相关性进化到理解因果关系。两条路线(3D空间表征+因果推理)结合,有望推动具身智能从模仿到思考的范式转变。行业李飞飞空间智能因果世界模型推荐理由:李飞飞直接点名空间智能是下一波重点,还和Aether AI的因果世界模型对上了线。看懂物理世界,AI才能真变聪明。原文稍后读已读值得跟进有用关注 李飞飞
05:18a16z@a16zWorld Labs CEO、AI 学者李飞飞在 Bloomberg Tech 活动上呼吁,AI 必须推动 K-16 教育体系变革。她指出,当 AI 能比普通人更好回答标准化试题时,问题不在于人类不行,而在于评估方式过时。她强调人类资本是世界上最宝贵的资源,教育应转向赋能学生使用 AI 工具,培养他们引领 AI、正确使用 AI 的能力。李飞飞鼓励孩子们不要害怕 AI,而要发挥人类能动性,用 AI 创造前所未有的影响力。行业AI 教育李飞飞教育评估推荐理由:李飞飞直指 AI 时代教育的核心矛盾——标准化考试已失效,做教育决策、课程设计或关心孩子未来的家长/老师,值得听听这位 AI 领袖的变革思路。原文稍后读已读值得跟进有用关注 AI 教育
05:01a16z@a16z精选World Labs CEO 李飞飞在 Bloomberg Tech Live 上指出“世界模型”一词已被过度使用,并澄清了当前空间智能领域对世界模型的三种定义。第一类是渲染器,负责生成精美像素;第二类是规划器,主要用于机器人和机器决策;第三类是模拟器,她认为这是三者中的关键,既能成为渲染器也能成为规划器,是解锁空间智能的核心路径。World Labs 正专注于模拟器这一层的研发。AI模型世界模型空间智能李飞飞推荐理由:李飞飞把混乱的“世界模型”概念拆清楚了,做空间智能、机器人或 3D 生成的研究者值得一看,能帮你快速对齐行业术语和方向。原文稍后读已读值得跟进有用关注 世界模型
21:46rohanpaul_ai@rohanpaul_ai李飞飞指出,大语言模型擅长处理文本模式,能描述房间,但无法理解椅子移动、玻璃破碎或阳光变化时房间如何改变。她强调,世界模型旨在学习视觉背后的隐藏结构,能预测相机未捕捉的视角、模拟物体行为,并支持实体智能体在真实或虚拟环境中行动。这种模型需要共同理解空间、因果和后果,是AI从文本走向物理世界的关键一步。论文世界模型李飞飞物理智能推荐理由:李飞飞点出了LLM的物理盲区,做机器人、自动驾驶或空间计算的团队,看完会重新思考模型架构。原文稍后读已读值得跟进有用关注 世界模型
13:46AI Will@FinanceYF5精选李飞飞和 World Labs 团队指出,当前被统称为「世界模型」的技术实际上包含三种截然不同的方向:视频模型、游戏生成和物理引擎。它们虽然共享同一名称,但在目标、方法和应用上差异巨大。视频模型侧重预测像素序列,游戏生成关注交互式环境构建,物理引擎则强调真实物理规律模拟。这一澄清有助于避免概念混淆,推动各方向更精准的研究与落地。AI模型世界模型视频模型游戏生成推荐理由:做 AI 研究或产品的人经常被「世界模型」这个词搞混——李飞飞帮你拆清楚了,看完能少走弯路,建议点开。原文稍后读已读值得跟进有用关注 世界模型
10:20berryxia@berryxia76°李飞飞在最新文章中系统阐述了世界模型的三种核心功能:渲染器(输出像素,如文生视频模型)、模拟器(输出状态,需物理准确)和规划器(输出动作,闭合感知-行动循环)。她指出模拟器是最关键但最被低估的一环,连接渲染与规划,是实现可靠真实世界应用的核心。World Labs 的 Marble 项目展示了从多模态提示生成可探索 3D 环境的能力,同时输出视觉和物理数据。文章强调语言模型擅长文本,但物理世界需要空间智能,统一世界模型是 AI 的下一个前沿。AI模型世界模型空间智能李飞飞推荐理由:李飞飞把被滥用的「世界模型」概念理清了,做计算机视觉、机器人或生成式 AI 的开发者能直接对照自己的研究方向找到定位,建议点开看完整分类法。原文稍后读已读值得跟进有用关注 世界模型
06:42Justine Moore@venturetwinsAI 领域术语“世界模型”被过度使用,令人困惑。李飞飞博士在一篇文章中将其拆解为三个核心功能,并预测了未来发展方向。该文章旨在澄清概念,帮助从业者理解世界模型的实际作用。文章还提供了对世界模型未来趋势的洞察,对于关注 AI 前沿研究的读者具有参考价值。AI模型世界模型李飞飞AI 术语推荐理由:李飞飞把最混乱的 AI 术语讲清楚了,做 AI 研究或产品的人看完能少走弯路,建议点开。原文稍后读已读值得跟进有用关注 世界模型
01:21官方账号Fei-Fei Li@drfeifei斯坦福大学教授李飞飞团队推出GPIC(Giant Permissive Image Corpus),这是一个专为大规模生成模型设计的视觉生成基准数据集。该数据集包含1亿对VLM标注的图文训练对和100万对基准测试对,总计约28万亿像素。所有数据均完全开放用于研究和商业用途,并集中托管。GPIC旨在解决现有数据集在规模、许可和标注质量上的不足,为视觉生成领域提供标准化评估平台。论文视觉生成基准数据集GPIC推荐理由:做视觉生成模型的研究者终于有了一个大规模、开放许可的标准化基准,可以直接用来训练和评估模型,省去自己收集和清洗数据的麻烦。原文稍后读已读值得跟进有用关注 视觉生成
13:37官方账号Fei-Fei Li@drfeifei斯坦福大学李飞飞教授在推特上分享,她主讲的计算机视觉课程 CS231n 已进入第 11 年。每年春季学期的第一堂课,她都会询问学生来自哪个学院。今年,越来越多的学生举手表示来自斯坦福全部七个学院,包括工程学院、医学院、人文科学学院、商学院、法学院、教育学院和多尔可持续发展学院。李飞飞认为,AI 真正成为了一项横向技术,能够激发不同背景和学科学生的热情。行业AI 教育跨学科斯坦福推荐理由:李飞飞用 11 年的课堂数据证明了 AI 的跨学科渗透力,做 AI 教育或关注技术普及的读者会从中看到趋势——AI 不再是计算机系的专属,值得一读。原文稍后读已读值得跟进有用关注 AI 教育