Ropedia W0：人类经验驱动机器人世界模型

让机器人借人类第一视角经验，学会跨身体预测“走过去再动手”会发生什么。

深度专题 FEATURES — 3

PAPER H 38

RL会放大底模已有能力，却难补缺口；这项工作用失败痕迹反查语料，先补课再训练。

PAPER H 32

PLM把逐字接龙改成成组提案：质量接近传统模型，推理最高加速5.7倍。

PAPER HF 12

它把游戏规则交给可执行系统，把画面交给视频模型，让隐藏状态真正改变剧情。

速览 BRIEFS — 8

PAPER

FocusGUI动态聚焦当前关键信息，多步操作越长，抗干扰优势越明显。

H 28 · HF 148

PAPER

把规则交给游戏引擎、画面交给视频模型，Matrix-Game 4.0给出可玩世界的系统路线。

HF 181

PAPER

KV-Surgeon边删边补偿，让固定长文本的缓存压缩后仍能反复使用。

H 1

PAPER

WildAWM合成可执行电脑环境，让智能体在安全、可重置的“练习机”里反复试错。

H 29 · HF 64

PAPER

Specter用量化版MoE预判专家调用，提前搬运权重以缓解PCIe等待。

HF 19

PAPER

MemT把长期记忆写进模型内部，让AI能持续积累信息，而不只靠外接检索。

H 14 · HF 145

PAPER

Heartbeat Thinking让语音智能体边听边查，缩短用户说完后的等待

H 6

PAPER

160亿参数Pinal把文字需求直接变成候选蛋白，并在四类任务中验证功能。