OpenAI 解散獨立機器人團隊併入通用研究:GPT-6 Astra 模擬實測達 74.8% 成功率,轉向通用模型直接控制
研究與硬體人員分別轉入 Mark Chen 與 Greg Brockman 團隊;官方稱非退出領域,仍鎖定 2027 年公開展示自有人形機器人。
Hacker News綜合 3 家多家報導
65 則值得知道的變化
研究與硬體人員分別轉入 Mark Chen 與 Greg Brockman 團隊;官方稱非退出領域,仍鎖定 2027 年公開展示自有人形機器人。
MoE 專家層前向運算採用 NVFP4、反向搭配 MXFP8 隨機捨入,相較全 MXFP8 預訓練快 8%,且最終模型無需校準。
該架構藉由動作級反向傳播篩選關鍵視覺特徵並輸入 VLA 模型,使視線受阻機器人的置物準確率從 38.9% 提升至 88.9%。
該基準獲 EMNLP 最佳資源論文獎;實測顯示主流模型在 Stack Overflow 僅 35–41% 回應聚焦核心目標,多數仍順應錯誤前提。
系統採用脈絡隔離與專用證偽器架構,除攻克 2013 年資訊理論猜想外,亦推導出量子計算與串流演算法的全新理論界限。
兩大資料集採 CC BY 4.0 開放,其中 PARDIG 小時級降水識別較 NASA 基準提升逾 30%,存檔更回溯至 1999 年。
Anthropic 於 IPO 宣傳影片中描繪快速攻克重症願景,生醫界反駁臨床試驗無法任意壓縮且當前嚴重缺乏關鍵資料。
實驗顯示該模型預測能力已接近模擬器真實物理,瓶頸在於規劃架構;透過示範資料建構潛在圖譜,成功克服長步數誤差累積問題。
測試涵蓋實驗資料處理與論文審核等七項任務,模型在 7 至 24 分鐘內零偽陽性揪出全部錯誤,遠快於人類博士生預估的十餘小時。