腾讯最隐秘人才计划曝光!今年IOI金牌全员现身,数物化竞赛顶流星聚

杨净 衡宇 发自 凹非寺
量子位 | 公众号 QbitAI

今年的IOI,中国队取得了历史性的新成绩。

4人夺金,总金牌突破100……与此同时,针对这些天才少年的争夺也暗流汹涌、愈加激烈。

7385b3cd2e5b068bfbb3b74a69bfd00b.jpeg

一方面,来自高校,清华北大的招生团队,你追我赶,甚至在更早的国内竞赛和选拔阶段,就已经在帮助这些人如何比同龄人更早解决“选清华还是北大”的困扰了。

但更隐秘的滋养来自产业界,即便这些人还是高中生,科技公司也已经和他们有了更深层次的接触。

量子位打听到的是,今年IOI金牌四人,全部现身同一家中国科技互联网公司。

而且这还不是全部,更早之前包括计算机、数学、物理等方面的奥赛金牌、国家队选手、尚在高中的天才少年,都被这一家公司纳入培养计划。

这家公司是:腾讯。

背后有一项专门的计划:星火计划。

说起来,这项计划已经在腾讯内部暗暗施行了4年之久,但几乎不为外界所知。

IOI夺金4人组

先来认识一下今年IOI夺金4人组,分别是:

  • 许庭强(中国人民大学附属中学):总分580分,金牌第1名。

  • 程思元(南京外国语学校):总分579分,金牌第2名。

  • 戚朗瑞(威海市实验高级中学):总分422分,金牌第6名。

  • 刘一平(山东省潍坊第一中学):总分416.5分,金牌第8名。

首先介绍以1分之差险胜,拿下第一名的许庭强。

参加比赛时,他在人大附中就读,今年9月已经升入清华叉院大一。

在拿下IOI2023世界第一之前,他已经在NOI2021(17/256)、NOI2022(29/252),连续两年取得金牌了。

9977eef5a97573fcb66fa116a9b5ecf3.png

总分579分的程思元,紧随许庭强之后,拿下金牌第二名。

程思元来自江苏省南京外国语学校,也是清华大学预科班的一员。此前,他也已经拿过NOI 2022金牌第三名。

80b6b5cfde1b6878f646c399cc2c81d4.png

戚朗瑞,来自山东省威海市实验高级中学,现在也是清华预科班成员。

今年IOI,他最终以总分422分的成绩,获得世界第6名并夺得金牌。在去年的NOI2022中,他最终成绩是金牌第一名。

59c4f7c168e71be50eb98f36af14bce9.png

今年金牌四人组还有一位,是来自山东省潍坊市第一中学的刘一平。

去年NOI 2022,他同样是金牌得主;而现在,他也是清华叉院的大一学生了。

fae4ae0fc7e8c5c7addf9e5d62cd5f4e.png

以上四人,也是IOI 2023的中国队全部队员。

而且量子位最新获悉,他们四位,统统被招揽入腾讯的2023星火计划挑战周。

具体做些什么?

其中,许庭强、戚朗瑞面向计算机视觉方向;程思元面向安全攻防方向;刘一平面向量子计算方向。

总体来说,围绕前沿科学的诸多分支,有导师、有朋辈,进行技术实战——从这个角度来看,参与这类面向行业的实战对他们四位来说,不失为主线竞赛之外的一次补充学习体验。

当然了,反过来可以观察到,IOI四位金牌学生的高自律性、强自学能力也在为期一周的星火计划挑战中有所展示。譬如许庭强,导师对其的评语中就明确表示,“在(挑战周)前两天的训练中达到了最高的准确率”。

他之所以在星火计划中选择计算机视觉这个方向,是因为此前在神经网络方面有过一定的了解和积累。

0e5038ed71ebc70cb5356f32bc63c7d9.png

“我比较好奇,这些东西具体怎么应用到工业界,想了解背后运作的工作原理。”实战中,许庭强和同组成员需要解决的问题是,“怎么分辨镜头前是真人的手还是打印/显示图像”。

许庭强解释,小组选用了很多种方式,既可以直接识别“手”的像素点,真手像素点颜色方差小,图像的方差小;或是直接向“手”打光,如果是电子屏幕显示的图像,整个屏幕都会对投来的光进行反射。

这与竞赛题目有所不同,许庭强自己笑道,“竞赛有明确答案,但工业界可以想各种方法解决,达到某个正确率就可以”,有了这次经验,对计算机视觉在工业界有哪些落地场景切身体验后,意犹未尽的他,更知道以后要干什么。

背后是一个什么样的计划?

据量子位的朋友们爆料,这项计划起步于2021年,不仅包括IOI竞赛成员,还有IMO(国际数学奥赛)、IPhO(国际物理奥赛),以及国家级别的信息学、数学、物理学竞赛,绝大部分的获奖选手都和腾讯这项科技人才长期培养计划“贴贴”了。

截至目前,三年时间规模已超170人。

他们来腾讯,只做一件事——

五天的时间,从零攻坚前沿难题。

爆料称,这些行业难题则是从腾讯实验室研发布局出发,聚焦于人工智能、前沿科技以及行业应用,比如像大模型安全、量子计算、计算机视觉、游戏AI等领域。

而来自这些实验室的技术专家们,都会亲自下场指导。

目前已知的有TK教主于旸,也是腾讯安全玄武实验室负责人。

相信关注安全领域的朋友,一定对大神和所在团队并不陌生。

于旸,Tombkeeper,黑客圈名号“TK教主”。

c395483abae8ff219c3004101d50c4c1.png

他发起的腾讯安全玄武实验室,技术和武德都很高超,常常能找到别人难以发现的安全漏洞,也始终出现在各大厂商的致谢信中——

发现并协助华为、联想、Adobe、Apple、Google、Microsoft等国内外企业修复了上千个安全问题。

2016年和2017年玄武实验室还分别获得了被誉为“安全奥斯卡”的Pwnie Awards年度“最具创新性研究奖”提名,以及年度“史诗成就奖”提名。这也是这两个奖项设立十年来第一次有亚洲人获得提名。

还有世界级专家、量子实验室负责人张胜誉,也是原香港中文大学终身教授。

74ade13d737b0de3ec0eacf299fbce9b.jpeg

他博士师从随图灵奖得主、中国科学院院士姚期智,博士后追随“量子优越性/NISQ”提出者John Preskill教授做相关研究。

在理论计算机科学,量子信息处理,人工智能等方面的顶级会议上发表数十篇文章,并于多个国际期刊任编委。

他所负责的量子实验室,旨在研究量子计算与量子系统模拟的基础理论和系统研发,并探索在相关领域和行业中的应用。目前团队成员有着数学、物理、计算机、电子工程、化学、生物、材料等多个学科方向背景,多数来自国内外顶级学校和头部公司。

顶级水平的竞赛天才,顶级水平的导师阵容,最前沿的行业难题……

如果要说只是五天的挑战赛,腾讯未免就有点小题大做了,事实却并非如此。

明面上的“五天”挑战

时间回到2021年。

那一年,中国队首次包揽前四名,创造了IOI竞赛历史上首次由同一国家选手包揽前四的记录。邓明扬不仅位列其中,还是金牌第一名,拿下了全场唯一的满分600分。

那一年,也是星火计划挑战周秘密开展的第一年。你该猜到了,像今天IOI四位金牌得主一样,邓明扬自然是被吸纳入星火计划,成为其中一员。

此后的每一年,星火计划中都能见到邓明扬的身影。

先是2021年挑战周视频号推荐算法成员,再是2022年安全攻防方向的助教,参与了安全攻防方向的长期培养。

47200052199a8cb64e69ca4ba8ec54fa.png

是的,据透露消息给量子位的朋友说,虽然每年正式的挑战周只有五天,但少年天才们和星火计划之间的联系确以一种长期、深度的形式存在。

或是以赛代培(参与国内外各式比赛竞赛),或是以战代培(业务实战从而进行技术突破)。

时间和培养频次,似乎还没有限制。

并且会有明确的成果产出,无论是面向产业界还是学界。

比如今年上线的“微信刷掌支付”,背后就有星火计划成员的一份力。

具体来说,他们参与了刷掌中质量、姿态、识别等多个任务的研究,提升了刷掌支付算法水平和用户体验,更有部分同学在优图实验室专家导师的指导下产出了多项专利。

——于是进一步促成了网友“进步的科技技术总是升级,让人们简单轻易的把钱往外花掉”的调侃说法。

这样的例子不是一个两个。来看量子位同时获悉的一份“进阶图表”:

图表展现的经历,属于清华叉院大二在读的蔡欣然。

2021年成为NOI女生第一名后,她也参与了第一届星火挑战周。到了今年,她在腾讯进行了量子方向的所谓实战培养,成果是量子编译领域的算法调研以及性能优化。

开发了一种基于深度限制的启发式搜索和最优化过程剪枝算法。通过量子实验室的实际测试,这种算法的性能超过了IBM和中科院等机构公开披露的编译算法。

听说现在,蔡欣然和另外一个星火同学——清华大学致理书院大三的杨恺,正一起在美国丹佛参加超级计算机领域的顶级赛事-SC全球超级计算大会。

产业界输出结果,学术界也能看到他们的几把刷子。

在当下最热门的AIGC领域,他们产出多篇研究成果,投向AAAI、ICJV等顶刊;腾讯首发的量子软件Tensor Circuit,产品白皮书作者中也有参与星火计划的两名学生。

说起来,这批拥有超凡天赋的年轻人中,今后是否会诞生大神一般的存在,暂时还没有人知道。

但是竞赛之后,他们确确实实在各自领域中崭露头角,天赋、才华和潜力逐渐显现。

也难怪腾讯要开展这么一个秘密计划——

如今的科技创新速度之快、变化之大,前所未有。

而科技的竞争,归根结底是人才的竞争。

没有优秀人才搭建筋骨,任何公司都难以在快速变革的科技领域占据优势,更别提还要去抓住“原创性”“最前沿”这些关键词。

星火计划背后的腾讯,和其他以任何形式给予“少年天才”们帮助的学校机构及大厂一样,用自己的资源和经验,为他们提供寻找兴趣点落地的土壤。

虽然这些有创新思维又有扎实基础的少年,有一天学成而来,不一定百分百选择投身腾讯工作。但少年们受到的启发和帮助是实实在在的。

假以时日,这些星星之火,也许就能在各自领域中带动燎原之势。

相关推荐

DeepSeek V4芯模协同背后,国产算力生态开始飞轮加速

更关键的是,CANN开始逐步兼容主流AI生态。开发者每一次正向反馈、每一个优化结果、每一个创新应用,都能通过昇腾和华为的生态快速走向产业界,形成技术、商业、生态的完整闭环。之前,昇腾与不少模型进行过协同探索,但V4是第一次在大规模、高强度、工程化的尺度上,验证了这种“芯模协同”的可行性与效率。开源以后,我们能更充分地学习业界的优秀实践,在此基础上进行适配和优化,也能将一些好的经验应用到自己的项目中。可以说,从“能跑”到“有人长期建设”,从“厂商推动”到“生态自增长”,华为算力生态,正在进入新的阶段——

量子位 521

世界模型接棒语言模型,这家公司全球首创物理AGI“双金字塔”体系,通用机器人进入“家庭时代”

毕竟在现阶段,家庭场景对机器人的真实刚需,是稳当地端水、收拾餐具、抱起脏衣篮、把零食递到孩子手上,而不是在客厅里完成酷炫的跑酷动作。可以说,这支团队完整经历了CV、自动驾驶、具身基模、世界模型等物理AI过去十年的发展历程,并在每个阶段都做出了行业领先的世界级成果。该模型实现了从感知、理解到行动的完整闭环,能够自主识别物体与场景、规划路径,并执行包含抓取、对齐、折叠、归类等多步骤的。他主导了业内首个智能驾驶数据闭环系统的落地,有效提升了数据的处理效率,为智能驾驶技术的发展提供了重要的基础设施支持。

量子位 245

LeCun新证明:世界是高斯的

论文借用这个框架证明,要让转移算子的第一个特征函数恰好是仿射函数(即线性函数加常数),潜变量的分布必须满足一个非常严格的条件——它的对数密度的导数必须是线性的,而满足这个条件的分布恰好只有高斯分布。从理论角度看,对于高斯分布,描述变量如何在时间上演化的转移算子有一组特殊的特征函数,叫做Hermite多项式,它们是高斯分布下函数空间的自然正交基,类似于周期函数里的傅里叶级数。真正有用的表示,应该对应世界的真实自由度,比如物体的位置、速度、颜色这些独立的内在变量,而不是它们被观测过程扭曲之后的混合产物。

量子位 191

玻璃里跑AI!华中科大&上交大科研成果登Nature子刊

更进一步的,光本位科技还将独有的相变材料存算一体光计算方案引入玻璃光计算芯片中,利用相变材料的非易失性,能够避免在玻璃中引入额外的相移器,从而实现计算过程几乎不耗能的三维光子神经网络系统。它既解决了三五族平台器件密度不足的问题,又突破了固定场景的应用限制,相变材料的引入,使得芯片在推理过程中保持极高能效比的同时芯片参数仍然可根据不同模型实时调整,适配性更强。尽管与论文中直接在玻璃中实现三维结构有所差异,但是同样在玻璃平台上提供了三维集成的完整方案,通过单层玻璃芯片堆叠的方式最终实现相同的三维输入效果。

量子位 169

5篇AI生成的数学论文被接收!00后创始人洪乐潼融资14个亿

如果一个 AI 系统能把数学证明交给机器逐步检查,那么同样的“生成、形式化、验证”闭环,也可能被拿去处理其他学科,以及高风险决策场景。她的创业合作伙伴Shubho Sengupta也从Meta辞职,两人从AI与数学推理的交叉可能性出发,决心解决AI的幻觉问题。创始人洪乐潼,2001年出生于广州,本科MIT三年拿下数学与物理双学位,还拿过北美数学本科生的最高荣誉罗德奖学金和摩根奖。2019年,17岁的洪乐潼考入MIT,仅用三年时间便完成了数学与物理双学位的学业,本科期间就发表了9篇学术论文。

量子位 219

AI正在重写软件行业?8岁孩子做操作系统,一人公司拿下千万订单丨百度秒哒朱广翔 @AIGC2026

这些都完成之后,我们再选择分发给谁,比如百度搜索、小红书投流,或者去微信发送到私域社群里,或者说去App store上架,分发流量之后有了用户数据再去回流、去分析、去运营,指导下次迭代,形成下个循环,每个色块就是一个真人。在很多企业里,原来提需求的是业务人员,他们自身没有开发能力,将需求提到研发部门,研发部门又不懂业务人员的痛点,需要反复沟通、调整,但现在业务人员自己就可以开发软件了。我非常荣幸能从事这个赛道,因为在这个过程中、在这一年半的时间里,我不仅看到了产品的变化,还更多地看到了整个时代的变化。

量子位 429

清华有了新老师:黄仁勋

既包括科技圈顶流如马斯克、微软CEO纳德拉、Meta扎克伯格等,也不乏金融圈大拿,如摩根大通的杰米·戴蒙、贝莱德的拉里·芬克、花旗的简·弗雷泽。,使命是加强学院与外部各界的联系,提升学院在科研和教学方面的整体水平,帮助学院建设成为世界一流的经济管理学院。后来黄仁勋转学,并且一直学业成绩优异,在高中时连跳两级,16岁毕业,进入。,除了讨论学院的国际化战略和长期发展方向,也会给经管学院的学生做讲座。不过,比起这些头衔,老黄最近最出圈的,可能还是他在夜市的花式插队——可口可乐、西门子、通用汽车、BP、塔塔。

量子位 184

「斯隆奖」得主戴亮全职加盟复旦

曾担任波士顿咨询合伙人,副总裁,中国区首席数据科学家,百度研究院大数据实验室和商业智能实验室的主任,和美国俄勒冈大学计算机和信息科学系正教授(终身教职)。,覆盖面相当宽:从宇宙大尺度结构与演化,到暗物质及其通过引力透镜留下的观测信号,再到天体物理引力波。2024年起到复旦大学物理系工作,现任复旦大学特聘教授、复旦大学天文与天体物理中心主任。获奖者覆盖数学、物理、天文、计算机、经济、生物等领域,成长路线相当恐怖,很多后来成了。继袁峰、季索清之后,复旦的天文版图,再迎一位顶尖天体物理学者。

量子位 168

高分辨率视频生成不再慢半拍:让大模型保留“原味”的同时提速十余倍

为此,SURF训练了一个轻量级Refiner,它从线性上采样后的预览latent出发,学习低分辨率latent到高分辨率latent 的flow mapping,只需少量去噪步骤,就能补足高清纹理。因为这些步骤决定了视频最终“会长成什么样”,等到整体结构、主体关系和运动方向基本稳定后,SURF再将latent 下采样到低分辨率,在保留全局结构的前提下,快速完成预览。原因在于,每个预训练模型都有自己的“舒适区”,通常接近它的训练分辨率,一旦分辨率不匹配,模型原本学到的布局、语义和运动先验,就可能被破坏。

量子位 143

大模型也需要睡觉!让AI打个盹,醒来更聪明

Transformer的核心是注意力机制,但注意力有一个天生的短板就是,上下文越长,算力平方级往上蹿,KV缓存也线性往上涨。,让大模型上下文窗口快满的时候别硬撑了,打个盹把最近的上下文反复咀嚼几遍,压缩进长期权重,清空缓存,醒了再接着干。依靠可学习的局部规则,反复对信息进行提炼整合,逐步更新SSM模块内的快速权重,完成信息的深度压缩与消化。这里的“睡眠时长”,本质上就是信息迭代处理的轮次,轮次越多,代表模型对上下文内容的梳理、打磨次数越充分。

量子位 162

1400亿Agent入场,“流量”这条护城河要塌了

因为人要睡觉,但Agent不会睡觉,所以Agent时代的交易呈现7×24小时不间断、极小额、高频次、多形态的特征,此外,支付金额的最小单位可能低于1分钱,成本大幅下降。如果说担保交易解决了电商早期敢不敢买、敢不敢卖的信任问题,移动支付解决了移动互联网时代能不能随时随地交易的效率问题,那么AI支付面对的,就是Agent时代的新问题。早在今年年初,支付宝联合千问App、淘宝闪购、Rokid、大麦、阿里云百炼等伙伴,正式发布中国首个ACT协议,提供一套智能体跨终端、跨系统的“通用语言”。

量子位 164

7B打败o3、GPT-5!医学AI智能体让模型学会“看哪里、怎么看”

是上海创智学院面向下一代医学AI Agent、视觉推理与多模态大模型的青年交叉研究团队,聚焦Visual Reasoning、Agentic RL、Clinical Tools,推动模型从“生成答案”走向基于证据的观察、验证与行动。Ophiuchus的价值不只是让医学大模型多了几个视觉工具,而是让模型学会在诊断过程中主动“看哪里、怎么看、看完如何修正”。当模型能够在思考中主动回看影像、放大病灶、截取视频、验证证据,医学AI才真正从“会回答问题”走向“会进行临床视觉推理”。

量子位 164

AI越用越聪明,自主+自进化是关键拼图丨盛大邓亚峰EverMind@AIGC2026

另一方面,我们认为,未来的AI Memory的Layer(记忆层),服务的可能不仅是资深的开发者,将来很多人都会构建AI应用。我们在token节省和模型成本方面也取得了显著的效果,原因是利用强化学习的方法训练了很小的模型——我们的4B模型在记忆提取和检索使用上的效果可媲美几百B的模型,并且已有不少学术成果发表。当前,大家看到模型进展非常快,但在记忆方面的工作,今年才逐渐多起来,去年这个时候我们和行业里一些团队开始交流AI Memory,这方面的关注还非常少。的爆火,我简单谈谈我的理解。

量子位 759

让大模型“边看边改”,视觉分割准确率直接上涨9% | ICML 2026

给模型一张图、一句话,让它把目标区域的像素圈出来——听起来直接,但一旦目标含糊、被遮挡,或者需要推理才能定位,一次性猜出正确的掩码就变得相当困难。模型不再一次性输出mask,而是先观察图像、进行推理、调用视觉工具、读取反馈,再根据历史结果迭代修正,最终生成更可靠的准确掩码。而RSAgent总体框架如下,包括多轮交互、工具调用、观察反馈、cold-start SFT与agentic RL。痛点不是单纯追求更复杂的分割头,而是让模型在开放语义任务中具备“先判断、再行动、看反馈、再修正”的能力。

量子位 184

OpenAI挖来了个F1级别车手搞公关

在我职业生涯早期,我曾效力于红牛车队,参加过F1级别的职业比赛。后来无论是Salesforce、ServiceNow,还是现在的OpenAI,他几乎每一次跳槽,踩中的都是技术范式切换最剧烈的时候。毕竟现在的OpenAI,既是全球最炙手可热的AI公司,也是最复杂、最难做品牌管理的公司之一。当年从赛道退下来后,他没有选择一条更稳妥的路,而是直接跨进了一个与赛车几乎毫无关系的行业,从零开始做市场与品牌。Salesforce后来之所以能从一家卖CRM的软件公司,变成云计算时代的行业代表,这是很重要的一步。

量子位 148

5秒完成3D场景编辑,北大&港中文&上海AI Lab搞出VGGT-Edit,120倍加速太炸了

尤其是在添加家具、调整位置、修改材质这些复杂任务中,很多传统方法仍然会出现明显的“贴图感”和几何漂移,但VGGT-Edit生成的结果,会明显更像一个真实稳定的3D空间。而这件事,可能比“会生成3D”本身更重要。对于机器人、AR/VR、空间智能这些方向来说,这几乎是致命问题——这些场景真正需要的,不是“某一个角度看起来对”,而是整个3D世界始终稳定一致。对于原生3D编辑来说,这一步非常关键——模型真正需要学习的,不只是“图像变化”,而是同一个编辑,在不同视角下如何始终保持空间一致。但问题也恰恰出在这里。

量子位 154

触觉具身来了个梦之队:天使轮近亿

背靠产学研与地方政策双重加持,作为复旦大学与静安区战略合作的重要落地成果,公司在初创期便获得静安区科经委与市北高新集团的大力培育,先后获得静安区战略性资金及上海市经信委促进产业高质量发展专项资金的支持,上海市科委也针对其核心视触觉传感器的研发给予了专项经费支持,全面加速公司的技术攻关进程。能够夹起衣物,却无法实时感知布料的滑移状态与张力分布,难以完成精准的褶皱整理。对于后发企业而言,沿着先行者的轨迹亦步亦趋难以实现突破,唯有找到行业尚未解决的核心难题,从新的技术变量切入,才能构建起不可替代的竞争壁垒。

量子位 164

DeepSeek陈德里开发自动研究Skill,写一篇论文人类只动脑2小时

论文共迭代6次(V1:4 次,V2:1 次,V3:1 次),总耗时6天,进行了约108轮Agent调用,消耗64.8万token,写了2234行LaTeX代码。,智能体可自主选题、分配资源、长期积累知识、跨领域持续研究,是当前未实现的理想状态,核心瓶颈为持续知识积累、可靠自我评估、架构规模化。早期智能体框架CAMEL、AutoGen、MetaGPT等为代表,特点是分工协作、多视角纠错,成本较高,沟通易混乱。,人类仅提供研究目标、评估最终成果,智能体可完成多步实验、代码、论文撰写,但无法自主选择研究问题。

量子位 191

双榜SOTA!微软ACL2026新作重新定义AI长记忆

结果它找到了Boston和San Francisco,却完全遗漏了Detroit——因为“attended a conference in Detroit”被埋藏在一条长消息中,与“去过哪些城市”的语义相似度不够高。最终,System-1确保语义直接匹配的记忆不遗漏,System-2确保结构相关但语义距离较远的记忆被覆盖,两者。团队认为,真正的AI记忆应当是有组织的、可推理的、双模式的、并能持续进化的。记忆系统的质量,很大程度上取决于“存储时做了什么”,而不仅仅是“检索时怎么找”。

量子位 180

将DSA注意力引入多模态,快手Keye2.0开启强化推理新范式

情感与主题的深度升华:模型并没有停留在“建雪雕”的表层,它提取了画面中巨大的“振兴东北”刻字,关联了片中“老程盼女儿、小李回流家乡”的人物背景,在总结中直指故事内核:“极寒的温度冻不住东北人的热血,冰雪项目不仅是奇观,更是承载着东北人振兴家乡、呼唤游子归乡的炽热情感与现实路径。当接收到“请找出视频中的高光时刻,并给出你的依据,时间戳用[mm:ss]的形式来表示”的指令时,Keye-VL-2.0- 30B-A3B没有陷入传统AI“哪里有击杀提示就截取哪里”或“只看画面元素剧烈变化”的机械逻辑。

量子位 186

专治世界模型幻觉!ECCV 2026 Workshop征稿,Sergey出席,帝国理工等联合发起

ergey Levine(UC Berkeley)、Jiajun Wu(Stanford)等国际顶级学者做特邀报告,同步举办具身动作世界模型挑战赛,以及主题为From Synthesis to Deployment:Bridging Academic and Industry Focuses on World Models的圆桌讨论,旨在弥合学术界在世界模型合成方面的进展与工业界对部署需求之间的差距。世界模型作为智能体的内部模拟器,在执行前预判风险、规避危险,实现风险感知决策。

量子位 191

卡帕西Anthropic最新头衔:技术员工(MTS)

但尴尬的是,这些案例的争议其实很大,都被吐槽过说没有宣传的那么美好,所谓扁平会变成隐性权力,表面没老板,实际有老员工、核心圈层……头衔都一样,竞争对手就没法通过头衔判断谁是L7谁是L5,推断一个员工具体做什么方向,定向挖人的难度直接上升。一个很直观的事实是,整个商业史上,能在没有层级制度的情况下完成规模化的组织,一只手数得过来。后来离开Ins,自己做了个新闻聚合App,叫Artifact,同样是联创+CTO的标签。这些说不在意职称的,一旦离职,就开始在领英自称上「副总裁」了(hehe)。

量子位 79

把VLM塞进隐式世界模型,港大&小鹏机器人新框架让机器人长出物理直觉

通过将人类的姿态对齐到机器人的动作空间,双系统能够共同从多样的人类动作数据(如EgoDex)中汲取养分:System-2负责从人类视频中提取通用的任务逻辑,而System-1则从人类动作标签中蒸馏通用的运动先验。借鉴认知科学中的双系统理论,不仅让强大的VLM直接在其原生的ViT特征空间中进行轻量化的隐式世界建模(Latent World Modeling),更关键的是,它将这种隐式视觉预见构建为一个可微的结构化瓶颈。System-1则在真实未来特征的指导下,专心学习从感知到精准动作的映射。

量子位 97

留给人类数学家的悬赏不多了!谷歌DeepMind一口气解决9道埃尔德什问题

同时,AlphaProof Nexus还在OEIS整数序列百科里证明了44个开放猜想,在代数几何那边解决了一道希尔伯特函数对数凹性的15年悬案,凸优化那边改进了一个锚定梯度下降法的理论边界。这个结果或许也在预示着,未来随着大模型能力持续升级,复杂的多工具组合系统,可能不再是刚需,只用大模型+专业校验工具这套简单循环,就能搞定大多数数学难题。简单理解就是,这群数字之间,既不能一个数整除另一个数,也不能一个数整除另外两个数的和,同时数字还要分布得相对密集,不能只挑寥寥几个数投机取巧。

量子位 127

龙虾之父教你省钱:开源Skill给你的Skill减肥

严格遵循Codex计费规则(UTF8字节数/4向上取整),以模型上下文2%为默认技能预算基数,结合技能优先级排序规则(系统技能>内置技能>插件技能>仓库自定义技能),核算全量技能原始占用令牌、最小渲染令牌、预算内可用令牌。同时可模拟真实运行场景,计算预算不足时的技能描述截断字符数、被省略技能数量,精准输出预算使用率、剩余预算、上下文占用比例等核心指标,直观展示技能体系的资源负载情况。跨Codex内置库、插件缓存、代码库、个人技能根目录,扫描同名技能、描述/内容高度相似的重复技能,标记冗余项。

量子位 85

刚刚,国产AI自己造了AI,全球首例!

在MMLU-Pro、MMLU-Redux、AIME-2025、AIME-2026、BFCL-v4、AA榜单等项目上,也给出了对应成绩。我们完全可以给不同的模型、不同的硬件、不同的任务,分别写专用的代码。如果人不够,那就用AI来凑!更直白一点说,就是当AI写代码的成本越来越低,未来软件不一定非要做成一套通用大框架,也可以针对不同模型、不同硬件、不同任务,现场锻造一套专用代码。这也让MiniCPM5-1B的价值更明确了,它不只是一个小尺寸模型,而是一个在参数规模、部署成本和实际能力之间重新找平衡点的端侧模型。

量子位 638

画数独、烧蜡烛都不翻车了?浙大&阿里让AI先三思再下笔|ACL 2026

让模型画 “数独解完后的样子”、“蜡烛燃烧6小时后的状态”,开源模型要么出现逻辑幻觉,要么无法把文字指令转化为精准视觉操作,形成难以跨越的执行鸿沟。研究者设计了一个独立的Thinker模块,它不直接生成像素,而是充当大脑,负责将模糊的用户意图分解为分层、结构化、且对下游生成器友好的中间表示。阶段,Thinker产生的多条推理路径直接由生成图像的视觉质量打分反馈,这迫使模型放弃空洞的辞藻,转而学习生成“视觉可执行”的指令。这种双向反馈机制,真正实现了脑与手的深度协同。

量子位 62

0.9B跑出90%真机成功率!上海交大为VLA补上空间感

从多视角RGB提取紧凑的隐式深度表征,再以轻量方式融入视觉-语言通路,最后通过flow-matching动作专家输出连续动作。参数,不额外增加硬件负担,用紧凑的隐式深度编码把空间感写进VLA策略里,仿真与真机同时兼顾性能与部署效率。论文中,IDEM骨干约0.13B参数,并结合多视角深度预训练初始化,在轻量条件下引入与深度相关的归纳偏置。值得注意的是,相比只关注benchmark分数,论文也给出了部署侧开销与实时性指标。从RGB学几何,省了硬件,但不少方案依赖较重的基础模型,训练和推理成本偏高。

量子位 81

Grok最新模型吃上Cursor「加餐」,马斯克:Coding实现巨大改进

Cursor数据其实更可能告诉模型,开发者在真实项目里,是怎么描述需求、定位问题、让AI读上下文、修改文件、修复报错、再继续追问的。更大的模型容量,往往能让它更好地理解复杂上下文、进行更长的链式思考,以及处理更具挑战性的真实开发任务~要知道,毕目前承载Grok所有生产流量都由0.5T的v8-small模型,也只有0.5T的大小。用户输入需求后,Grok Build不会直接动手,而是先制定详细执行计划,让用户确认后再执行。这边,也被马斯克亲口点名,补充训练里加入了大量Cursor数据,后续还会继续添加。

量子位 113

刚刚,国产Agent模型闯入全球第一梯队!限时免费

从训练的第一天起,它的目标就不是聊天,而是干活。就像我在实测中感受到的那样,做完桌宠它问你要不要存成Skill,做完周报它提醒你设成定时任务,昆仑万维瞄准的显然不只是一个模型,而是一整套Agent工作生态。发现没,自从模型进入Agent时代后,大部分玩家在推主力模型时都会附带一个轻量版,这也很好理解,就像前段时间Snapchat前机器学习工程师说的那样:。一只小猫,能在屏幕上随机溜达,点击会说打工人语录,右键能切工作模式和摸鱼模式,工作模式带番茄钟倒计时,还要有喝水提醒、远眺提醒、拉伸提醒这些健康功能。

量子位 534
上一篇: OceanBase数据库炸场!具备OLTP完整核心功能,实验室版本不输ClickHouse
下一篇: GPT-4V新玩法登顶GitHub热榜,随手一画就能生成网页!web开发者:感受到了威胁...
QbitAl
QbitAl 企业官方账号 企业官方账号
博客等级 码龄7年 2万+粉丝 2173原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值