Sekai2：边探索边学世界

Sekai2把长视频、镜头路线和分时标注接到一起，让世界模型不只看风景，还能记路、重访和继续探索。

深度专题 FEATURES — 3

PAPER

Twin Rollouts让两条未来共享噪声、只更换动作，使“换个动作会怎样”成为更可核查的问题。

PAPER

RotaryQuant同时压缩权重、运行记忆和注意力，让120B MoE逼近消费级本地部署。

PAPER

SpaHybGen先学习“该怎么接触”，再适配不同机械手，让杂乱场景抓取更容易迁移。

速览 BRIEFS — 8

PAPER

BDH-CQ让示例持续改写循环记忆，再在内部反复推演，以低成本完成临场归纳。

H 22 · HF 548

PAPER

先用短跑测试挑出“学得会”的题，再把有限的强化学习算力投过去。

PAPER

让机器人训练时预判动作后果，部署时却不用现场生成未来视频。

H 7

PAPER

共享KV缓存能帮AI提速，也可能让攻击者从响应快慢猜出别人的提示词。

PAPER

训练时别把提示词也弄脏：PCD用干净前文缩小扩散模型的生成错配。

PAPER

同样多问几次 AI，换着说问题，可能比反复生成答案更划算。

PAPER

机器人学会行动后，VLM末层原本清晰的深度信息反而明显变弱。

PAPER

用Softmax重分配GRPO学习信号，少在简单题上用力

H 36