redhouseflying
6.6K posts






工信部+国资委最近联合发文,要人形机器人年底「进入工作模式」——30+ 具身公司排队 IPO。 但热闹归热闹,一个关键问题还没被认真回答:大脑这条路,到底该怎么走? 前几天看了黄碧薇教授 @huang_biwei 在极客公园的访谈,今天就刷到他们新一轮融资的消息! 说实话,这是最近在具身智能方向上,听到的最清晰的路线判断。 核心就一句话:LLM 学的是相关性,物理世界要的是因果。 VLA 在训练场景里跑得飞起,换个光照角度、背景多放个杯子就抓瞎了——不是数据不够,是范式不对。模型学到的是「看到杯子→伸手抓」的表面关联,没学会背后的物理因果。 这在学术上叫 causal confusion,说白了就是背题库和懂原理是两码事。 黄教授把 AI 范式拆成四跳:小模型+相关性 → 小模型+因果 → 大模型+相关性(我们现在在这)→ 大模型+因果(下一站)。具身智能和科学发现已经验证第三代不够用了。 印象最深的一个修正:“压缩即智能”不完整,应该是结构化压缩即智能。暴力堆数据压缩出相关性,跟从同样的数据里抽取因果结构,斜率差好几倍。 黄碧薇师承 CMU 因果发现学派——89 年 Glymour 和 Spirtes 开山,37 年积累,她算是第三代核心推动者。Causal-Learn 作者,100+ 顶会,Apple Scholar,从 UCSD 出来做 Aether AI。学术底子和路线判断都够硬。 Scaling Law 的关键从来不是信不信,是 scale 什么? 可以说,这次 Aether AI aetherlabs.ai 的融资,赌的就是第四代范式。




欧洲人是已经完全能和苍蝇和平共处了吗我们厨房现在大概得有十多只苍蝇切开的西瓜就在那放着石油完全不在意


6月9日,重庆“山姆打包哥”虐狗事件现场 现场,一个警察特地脱下警服,粗暴地把一个女子强行压制至跪地状态 期间,他还威胁地用手指着拍摄者的手机,恶狠狠地大声呵斥:“收起来”





因为六月没有红日子,为了保持工时,昨天休了一天假,早上刚来,还没想好要做什么,就被通知明天挂台风,下午早点回去,明天全员リモートワーク。啊这……





昨天下午去了坐落在马格拉山(Margalla Hills)山脚下的塞伊德布尔村(Saidpur Village)。 该村建于1530年,后来被著名的莫卧儿皇帝阿克巴赐予立下战功的Said Khan Gakhar,村庄由此更名为Saidpur。这里是穆斯林、印度教徒和锡克教徒和谐共处的地方,现在被政府改造成了“文化艺术村”。2️⃣为锡克庙,建于20世纪,3️⃣是附带的房间,曾是传授古鲁纳纳克哲学的学校。分治后曾被改为女子小学。 #二棒旅游

这是进贼窝了吗,又接到国内教育局的电话,说我在日本违规招生。一天天累不累啊🥱















