11:03berryxia@berryxiaOrca论文提出预测下一个状态而非下一个token,使用12.5万小时视频和1.6亿事件标注训练模型。该模型在预训练阶段未使用任何动作标签,但自主学会了抓取等机器人动作。相比GPT的统计模仿,Orca通过视频学习建立对物理世界的内在表示,能同时支持语言生成、图像预测和机器人行动。这标志着从统计模仿向物理理解的潜在突破。论文OrcaGPTSora推荐理由:Orca用12.5万小时视频训练,没给动作标签就让机器人学会抓取,跟GPT那种猜词完全不是一个路子。原文稍后读已读值得跟进有用关注 Orca
09:37官方一手arXiv: Google DeepMind@Tim Rädsch, Yuki M Asano, Hilde Kuehne, Stefan Bauer, Priyank Jaini, Robert Geirhos, Carsten T. Lüth该研究系统审计了Physics-IQ视频物理理解基准,发现其提示质量和真实标注存在缺陷。作者提出三项改进措施,包括优化提示与真值、引入样本级评分系统,并应用六种图像到视频生成模型验证。新版Physics-IQ Verified改进了57.6%的样本和34.8%的提示,模型排名变化中度显著(Kendall's τ=0.46)。论文Physics-IQ视频生成模型基准测试推荐理由:DeepMind发布了Physics-IQ验证版,专门评测视频模型对物理世界的理解。现有基准有缺陷,他们修正后让模型排名更可信了。原文稍后读已读值得跟进有用关注 Physics-IQ