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世界模型物理理解推荐理由: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