推理优化，终于能放在一张图上比

把量化、提前退出和推测解码放上同一张成本—质量—延迟地图，选加速方案终于不只看倍数。

深度专题 FEATURES — 3

PAPER H 21 · HF 30

一个5B世界模型，让你边用键盘探索，边用文字改变正在生成的世界。

PAPER H 33

工具没跑完，AI先读进度：实时调度KV缓存，减少等待请求白占显存。

PAPER H 10 · HF 16

GPT-Policy让机器人现场看示范、边做边学，新任务不必重新训练。

速览 BRIEFS — 8

PAPER

用结构化物理描述和机器人动作训练视频模型，让它更懂物体如何交互，而不只会生成画面。

PAPER

让大模型先规划、轻量策略随时纠偏，机器人强化学习终于追上现场变化。

H 2

PAPER

ActionPiece不只压低动作误差，还尽量保住细微动作之间的远近关系。

H 4 · HF 40

PAPER

PPO的价值网络为何越学越平？研究指出，过密监督反而会磨钝判断力。

HF 63

PAPER

让模型把实时数据编译成临时权重，边使用边适应，而非只靠固定参数。

PAPER

简单探针能从模型内部表征识别奖励作弊，甚至预警下一步动作。

H 18

PAPER

Edge0预判下一步要用的专家，把35B MoE权重从SSD边读边算。

H 17 · HF 10

PAPER

机器人遇上新身体，旧经验并非越多越好：该忘多少，取决于变化大小与是否会重现。

2 信源