训练世界模型，开始从人类的肌肉和脑子里偷师了
训练世界模型，开始从人类的肌肉和脑子里偷师了具身智能数据的竞争，正在从“量大管饱”进入下一关。
来自主题: AI技术研报
5672 点击 2026-07-02 14:29
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
具身智能数据的竞争，正在从“量大管饱”进入下一关。
Prompt还没退场，Loop已经开始接管AI叙事。
当所有人都在比谁「想得更久、算得更多」——推理模型动辄输出成千上万个思考 token，循环式架构恨不得在内部反复迭代十遍八遍——一项新研究反手泼了盆冷水：
AI 圈最近又热了一个词：Loop Engineering。
在世界模型这条路上，行业一直卡在一个几乎无解的矛盾里：想要更真实的长程模拟，就必须给模型更深的计算；可一旦把模型做得更深，部署成本、参数规模和误差累积又会迅速抬头。结果就是，大家都知道世界模型要 “想得更久”，却很难让它在现实系统里 “算得起、跑得稳”。
这就是最近网上热传热议，然后老黄黄仁勋给AI新趋势画的新重点：Nobody writes prompts anymore. The new job is to write and handle loops.（现在根本没有人写Prompt了，新时代的核心工作是编写和管理loop。）
最近，Anthropic 团队研究产品经理 Theodora（Theo）Chu 的一段演讲视频，引起了大家的注意。
OpenAI 的 tevfik 写了篇关于 loop engineering 的文章,开头那句我读完顿了一下。他说,他和 coding agent 协作,到现在大多还是同一个流程:我解释一个任务,等结果,审一遍,再发下一条指令。代码是 agent 写的,但我在后台还干着另一份活——我记着发生了什么、决定下一步做什么、判断这事到底完成没。
AI互动游戏正在把看故事变成改故事。