搜索
近两年，视频生成模型在具身智能领域受到持续关注。从 UniPi、SuSIE 到各类 action-conditioned video generation 变体，其核心思路一致：先由模型生成一段未来视频，再从中提取动作信号供机器人执行。
如果想开发一个视频理解应用，你会怎么做？
来自清华大学与腾讯的研究者提出了 Generalizable Predictive Prompt Selection（GPS）。GPS 的做法很直接：先训练一个小型、可泛化的 Prompt Predictive Model（PPM），让它预测不同 prompt 在当前模型下的难度；再根据难度和 batch 多样性选择训练样本，从而减少无效 rollout。
General Intuition 做的事听起来有点绕：用游戏数据训练现实世界里的 AI Agent。换成更直白的话说，General Intuition 做的是让 AI 先在游戏里学会“怎么行动”，再把这种能力迁移到机器人、无人机、自动驾驶、仿真环境里。
AI 时代，面临传统电网和可再生能源的压力，科技巨头们争夺的资源已不仅仅是 GPU，而是稳定、低价、全天候不断电的清洁能源。现在，解决方案或许又多了一个新的选择。近日，美国核能初创公司 Ampera 称，已基于 3D 打印完成全球首个全尺寸核反应堆模块，旨在为 AI 数据中心、国防应用、工业设施和偏远地区等提供清洁电力。
看《堡垒之夜》的游戏录像，也能训练AI？没错，一家靠着海量游戏录像训练AI的公司General Intuition，刚刚完成3.2亿美元（约合人民币21.77亿元）融资。General Intuition公开披露的融资总额已达4.54亿美元，估值23亿美元。
过去十年，推荐系统最核心的动作可以概括成一个字：找。
全球最强超算，易主了！
解决非常底层、 非常硬核问题的时代来了。
如今，CameraSquad 的出现，让这种多视角一致的视频生成与 3D 世界状态构建成为现实。近日，中国科学院大学高林研究员团队联合卡迪夫大学、香港科技大学和快手可灵团队，提出了一种面向多轨迹并行生成的相机可控视频生成方法 CameraSquad [1]，相关论文已被 ACM SIGGRAPH 2026 录用。