搜索
近年来，强化学习在游戏智能体、具身智能、大语言模型等领域取得了显著进展。然而，在真实世界中，强化学习仍面临一个核心难题：高质量样本的获取不仅成本高昂，还可能带来多种风险。因此，样本增强成为缓解强化学习中样本获取成本高、风险大等问题的重要途径之一。
机器学习已经习惯了处理序列：一句话中的词、视频中的帧、推荐系统中的点击、金融市场中的订单。但在很多真实场景里，数据并不是按固定步长排好队出现的。
xbench，就是红杉自己弄的那个中立评测lab，刚刚又整了个新活：让 AI 做药企的数据分析，跟人类实习生比个高低，然后遥遥领先的赢了
飞拓星驰（FitX AI）宣布完成数百万美金融资，由日初资本领投，光点资本跟投。这笔融资将用于Fit-OS空间智能 Agent 平台的研发，以及首款客厅 AI Native 终端的量产准备——预计 2027 年 CES 全球首发。
4 月 10 日晚，灵初智能发布了大模型、数据集与合作计划：包括策略模型 Psi-R2、世界模型 Psi-W0，以及总规模近 10 万小时的人类操作数据。它想回答的问题也很直接 —— 当真机数据不再是唯一解，机器人还能靠什么继续 scaling？
Yotta Data Services Pvt. 作为运营印度最大规模英伟达公司人工智能处理器集群的数据中心运营商，正寻求以约 40 亿美元估值进行新一轮融资，同时准备提交首次公开募股的招股说明书草案。
这个 Skill，能让你的 Agent 联网能力提升到最离谱的一集。
近日，NVIDIA 发布的世界 - 动作模型 DreamZero，在两项颇具代表性的机器人基准测试 RoboArena 、MolmoSpaces 上双双登顶。
在2026年CES的舞台上，英伟达几乎重写了「PC能力边界」的定义。从DLSS 4.5把实时画质推向「天花板」，到RTX Remix让经典游戏获得重生，再到AI PC逐步走向日常生产力。
机器学习部署在边端设备的时候，模型总是存储在云端服务器上（5G 基站），而模型输入输出总是在边端设备上（例如用照相机拍摄照片然后识别其中的目标）。在这种场景下，传统有以下两种方案完成机器学习的推理：