有人在用Hugging Face 的数据做代码安全审计方向的SFT 和强化学习吗 1 个帖子 - 1 位参与者 阅读完整话题
这还怎么用?上到计算化学的溶剂模型,下到简单的急性肾小管坏死,全部都不给我回答 1 个帖子 - 1 位参与者 阅读完整话题
有机化学人名反应 中文 PDF，扫描版，可搜索。 https://flt.lanzouv.com/izXmQ36njp3a 1 个帖子 - 1 位参与者 阅读完整话题
大家好，我是自动化专业在读学生，最近刚加入社区，先来简单做个自我介绍。 我平时主要折腾一些嵌入式、开源工具和 AI 相关的东西。最近在做一个基于 ESP32-S3 的小项目，里面涉及 SBUS 遥控、GPS、IMU 姿态数据、滤波、PlatformIO、VSCode 等内容。 目前还在学习阶段，很多东西都是边做边查资料，也踩了不少坑，比如串口乱码、GPS 信号、SBUS 通道解析、IMU 数据不稳定、硬件焊接排查这些问题。 来 Linux DO 主要是想多看看大家的技术经验，也希望以后能记录一些自己的学习过程。如果有自动化、嵌入式、飞控、Linux 工具链、AI 辅助开发相关的前辈，也欢迎给我一些学习建议。 目前比较想继续补的方向： C/C++ 基础和嵌入式开发能力 Linux 基础操作和开发环境 传感器数据处理，比如 IMU 滤波、GPS 数据解析 AI 工具在学习和项目开发中的实际用法 新人刚来，如果有说得不合适的地方，也请大家提醒。 1 个帖子 - 1 位参与者 阅读完整话题
the Guardian – 28 May 26 Mosquitoes can become attracted to insect repellant, study suggests The insect may learn to associate the chemical Deet with a ‘blood meal’, researchers say [!quote]+ 然而，一项新的研究表明，就像巴甫洛夫的狗学会了把铃声与食物联系起来一样，蚊子也能学会 Deet 的存在意味着可能有血食。 "长期以来，人们一直认为驱蚊剂之所以能发挥作用，完全是因为它们的化学特性，要么对蚊子有毒或使其不愉快，从而将它们赶走，要么阻断它们探测人类的能力。法国图尔大学的克劳迪奥-拉扎里（Claudio Lazzari）教授说："然而，我们的研究结果表明，这种反应可以通过经验来改变。"我们相信，这标志着我们对驱虫剂的认识发生了重大变化。 进一步调查显示，60%的蚊子在接触除虫菊酯的同时吸食温血，随后在单独接触除虫菊酯时出现叮咬企图。 与之相比，17%的昆虫事先没有接受过训练，13%的蚊子以前只接触过除虫菊酯，17%的蚊子以前吸食过温血但没有接触过除虫菊酯，23%的蚊子以前吸食过温血并接触过除虫菊酯但没有同时接触。 在另一项测试中，研究小组发现，之前在接触除虫菊酯时吸血的蚊子中，有近 60% 后来试图伸手叮咬研究人员经过除虫菊酯处理的手。相比之下，未经训练的蚊子则普遍试图叮咬研究人员另一只未经处理的手。 https://www.economist.com/science-and-technology/2026/05/28/mosquitoes-seem-to-be-getting-over-insect-repellent sfgate.com Client Challenge 4 个帖子 - 3 位参与者 阅读完整话题
IT之家 5 月 27 日消息，我们的银河系并非一下子就形成了。数十亿年间，一个个小型星系（即矮星系）不断被吞并，银河系才逐步演化形成。 研究发现，这些被吞并的矮星系遗留下来的恒星仍保留着共同特征，如今科学家也愈发擅长识别它们。通过分析这些共性，科研人员便能追溯恒星原本所属的星系。一组天文学家表示，他们找到了 20 颗特征高度相似的恒星，这些恒星或许曾共同诞生于一个矮星系，研究团队将该矮星系命名为“洛基”。 赫特福德大学博士后研究员、本论文合著者费德里科・塞斯蒂托向 Space.com 表示：“我们或许发现了众多曾参与构建银河系的小型星系之一。” IT之家注意到，这项研究发表于《皇家天文学会月报》，是在塞斯蒂托此前研究的基础上展开的。新研究观测的这批恒星，正是他此前筛选出的目标。如今，塞斯蒂托及其团队掌握了更多可用于判断恒星本源星系的特征依据。 塞斯蒂托说：“本次研究可以看作是此前相关工作的延续。过去我们只能观测这些运动轨迹特殊的古老恒星，却缺少化学成分相关数据，而如今这项研究补齐了这一短板。” 同源共生的恒星 氢和氦是宇宙早期恒星的主要构成物质。恒星形成后，会将这两种元素聚变，生成更重的元素，进而孕育出下一代恒星。这一过程代代往复，持续了漫长岁月。 这类远古恒星被称作“贫金属星”。由于形成时间极早，它们体内仅含有微量铁等重元素。而“贫金属”这一特性，正是科学家判断恒星是否源自同一个矮星系的依据之一。 塞斯蒂托解释道：“我们认为，这些古老的贫金属星全都诞生于一个小型星系，后来这个星系被尚在演化中的银河系吞噬。” 不过，银河系内有大量恒星都属于贫金属星，单凭元素构成无法锁定来源。为此，研究团队结合了恒星的位置、运行轨道等其他特征进一步筛选。 塞斯蒂托介绍：“这些恒星的运行轨道十分特殊，它们聚集在银河系银盘附近，而银盘区域通常分布着更年轻、金属含量更高的恒星。” 银盘是银河系呈漩涡状的盘状结构，银河系绝大多数恒星（包括太阳）都坐落于此。这 20 颗恒星独特的分布位置，进一步佐证了它们拥有共同起源。 “能够得出这一结论，离不开对这些古老贫金属星精准的轨道测算与化学成分分析。”塞斯蒂托说道。 此前学界虽已观测并研究过它们的运行轨道，但本次新增的化学分析数据，让研究人员有了更有力的证据，证实这些恒星来自同一个星系。 独特的化学印记 为全面解析目标特征，研究团队综合运用了多种研究方法。 塞斯蒂托说：“我认为这项研究最有意思的地方，就是整合了各类技术与研究手段，一步步探寻这些恒星的起源。” 天文学家结合高分辨率光谱分析、轨道运动观测以及理论模拟，解读恒星的化学组成与运行规律。 “我们尽可能完整地描绘出了这批恒星的各项特性。”他表示。 团队将这 20 颗恒星的化学成分，与银河系晕星、已知矮星系恒星以及模拟恒星群进行对比。结果显示，它们的化学特征，受到了高能超新星、极超新星、高速旋转大质量恒星以及中子星并合活动的影响。 研究并未发现白矮星爆发留下的痕迹。研究人员据此推断，这些恒星的母星系，大概率是一个存续时间较短、活动剧烈的矮星系。 隐匿的古老星系 塞斯蒂托一直致力于搜寻这类远古星系，因为解开它们的谜团，能帮助人类更深入地认识银河系的整体演化历程。 “银河系中金属含量最低的一批恒星，也是宇宙中最古老的天体之一，有着极高的研究价值。”塞斯蒂托说，“它们就像一扇窗口，能让我们窥见银河系乃至整个星系的早期形成过程、宇宙元素的起源，以及初代恒星的各项特性。” 银河系周边或许还隐藏着更多类似“洛基”的矮星系。塞斯蒂托表示，在银河系外围寻找那些被瓦解、吞噬的小型星系相对容易，但想要在银盘内部找到这类天体，难度要大得多。 银盘内遍布年轻的富金属恒星，想要从中筛选出目标恒星，需要耗费大量时间。不过塞斯蒂托十分期待，未来能从银河系演化历程中挖掘出更多新发现。 他说：“虽然本次研究的观测恒星数量有限，但前景十分广阔。未来我们将借助多目标光谱观测设备，一次性获取数千颗恒星的化学数据。 到那时，我们就能更透彻地了解构成银河系的众多‘原始星团’的真实面貌。”
cbsnews.com At least 1 dead, 9 workers missing after chemical tank implosion at... The damaged tank at Nippon Dynawave Packaging Co. held approximately 900,000 gallons of white liquor, a chemical used in paper processing, authorities said. [!quote]+ 当地政府称，华盛顿州南部一家纸浆和造纸厂周二发生化学品罐内爆事故，造成至少一人死亡，九名工人下落不明。 日本 Dynawave 包装公司位于华盛顿州南部与俄勒冈州交界的朗维尤市的工厂发生罐体破裂，造成八名员工和一名消防员受伤。该部门没有说明遇难者是否为工人。 官员们说，已经通知了所有九名下落不明员工的家属。 CNN – 26 May 26 At least 1 dead and 9 missing after a chemical tank rupture at a paper and... At least one person has died, nine people were injured and nine employees remain unaccounted for after a large vat of chemical treatment product, including hazardous materials, ruptured at a paper and packaging facility in Washington state, fire... bbc.com Longview explosion: one killed and others missing after blast at paper mill Nine others were injured and another nine are missing after a tank ruptured at a paper mill in Longview, Washington. 1 个帖子 - 1 位参与者 阅读完整话题
cbsnews.com California Gov. Newsom declares state of emergency for Orange County chemical... Southern California officials are desperately searching for a safe resolution to a leaking toxic chemical tank at an aerospace facility. [!quote]+ 加利福尼亚州州长加文-纽森（Gavin Newsom）周六宣布橙县进入紧急状态，官员们正在竭力寻找安全的解决方案，以解决一个航空设施有毒化学品罐泄漏的问题。 "纽森说："橙县居民的安全是重中之重。"我们正在调动州内一切可用资源来支持当地救援人员，并确保社区拥有保持安全所需的一切。 奥兰治县消防局事件指挥官兼分局局长克雷格-科维（Craig Covey）说，油箱内的温度持续上升，造成了 "非常危险 "的局面，促使 5 万多居民撤离。 此前，人们认为吉凯恩宇航公司花园格罗夫工业罐内的温度正在下降，据估计罐内装有 7,000 加仑的甲基丙烯酸甲酯。然而，在工作人员开始在危险区域内进行冒险作业后，他们发现温度正在以每小时一度的速度上升。周五晚上的气温高达 90 华氏度，而当天开始时的气温为 77 华氏度。 "现在只剩下两种选择：其一，油箱发生故障，将总计约 [6,000] 至 7,000 加仑的劣质化学品泄漏到停车场和该区域，"科维说，"其二，油箱发生热失控并爆炸，影响到周围装有燃料或化学品的油箱。"科维说："第二，油罐发生热失控并爆炸，影响周围装有燃料或化学品的油罐。 1 个帖子 - 1 位参与者 阅读完整话题
IT之家 5 月 21 日消息，据“中科院之声”公众号，近日，中国科学院上海技术物理研究所领衔的研究团队，利用嫦娥六号任务从月球背面带回的宝贵样本，为月球化学“拼图”补上了关键“碎片”， 成功绘制出迄今为止最精确的月球全球化学成分图 。 IT之家从官方介绍获悉，这项研究为未来的月球探测，特别是对月球背面最大、最古老的“南极-艾特肯盆地”的探索，提供了全新“导航图”。 一、借 AI 破题 如何让月球背面的样本校准覆盖月球全球的遥感数据？科研人员采用了一套巧妙的策略。 不同的化学成分就像不同的“指纹”，会留下独特的光谱痕迹。研究团队首先获取了月球轨道器拍摄的高分辨率 多光谱图像 ，捕捉了月球表面在不同波长的光谱特征。 但光谱“指纹”与精确的化学成分含量（如铁、钛等主量元素氧化物的含量）之间，存在极其复杂的非线性关系，无法通过简单计算直接推导。 为破解这一难题，研究团队引入了残差卷积神经网络这一人工智能深度学习（AI）模型，将包括嫦娥六号样本在内的所有已知月球采样点数据输入模型，通过交叉验证反复检验优化，让 该模型在月球正面与背面样本的共同约束下 ，深度学习光谱特征与化学成分之间的映射关系。 经过“特训”的 AI 模型，如同掌握了全新解题逻辑的“学霸”，对全月球遥感数据进行解析时，就能更精准地“解码”出月表风化层的化学成分，让遥感数据的解读精度实现质的提升。 基于新模型，研究团队绘制出由月球背面样本校正的首幅高分辨率月球主量元素氧化物含量分布图， 铁、钛、铝、镁、钙、硅等关键元素氧化物的分布清晰可见 ，诸多新发现刷新了人类对月球背面的成分认知。 ▲ 新一代月表主要氧化物含量分布填图 二、月背原来是这样的 修正月球背面“高地”成分认知。 月球背面主要由古老的“高地”构成。新地图显示，这些高地的化学成分与全球平均值相比，呈现出富铝、富钙，低铁、低钛的特征，这与“原始月壳”特征高度契合。同时，研究发现，在月球背面高地上， 镁质斜长岩 、镁质岩套等富镁岩石的出露面积约占月球背面高地面积的 40%，远高于此前认知。这一发现挑战了此前的“高地以铁质斜长岩为主”的观点，为学界理解月球早期岩浆洋演化提供了新证据。 重新勾勒南极-艾特肯盆地边界。 直径超 2500 公里的南极-艾特肯盆地，是月球背面的巨型撞击坑，也被称作太阳系最大的“疤痕”之一，其内部物质或源自月球深部。新地图精确地描绘了该盆地内部不同区域的成分差异：盆地边缘的镁质辉石环带边界，比此前认知的范围更广，意味着当年的巨型撞击，挖掘出了比预想中更多的月球深部甚至月幔物质；而盆地中心富钙、富铁区域的范围则有所缩小，这为科学家准确判断撞击后的火山活动规模提供了精准的成分依据。 ▲ 多尺度月球成分组成与演化解译 三、为继续探月指路 嫦娥六号带回的 1935.3 克月球背面样本，不仅是极具科研价值的月球“土特产”，更是校正全月球遥感数据的“标准色卡”。 这项研究定量揭示了月球背面，尤其是南极-艾特肯盆地这一关键区域的物质组成，为未来寻找月球深部物质、精准选择着陆点、乃至解开月球早期演化之谜，提供了至关重要的科学依据和“导航”指南。 参考 Refined lunar global chemistry mapping using farside ground truth information gathered by Chang’e-6
IT之家 5 月 17 日消息，Momenta 今日宣布，广汽昊铂 S600 全系搭载 Momenta 强化学习大模型。 官方海报显示，广汽星灵智行 ADiGO GSD 3.0 智能驾驶辅助系统融合 Momenta R6 强化学习大模型，全系标配激光雷达， 全系搭载城市 + 高速领航辅助 。 此外，该车支持全场景智能泊车辅助，300+ 种停车位有位就能泊，支持记忆泊车辅助、代客泊车辅助， 长时间未控制自主靠边 。 广汽昊铂 S600 现已开启预售，定位“新豪华智慧运动 SUV”，共推出四款车型， 预售权益价 18.89 万起。 IT之家整理价格如下： EV 660 Max 官方预售价 20.99 万元，预售权益价 18.89 万元 EV 660 Max+ 官方预售价 21.99 万元，预售权益价 19.89 万元 REV 230 Max 官方预售价 20.99 万元，预售权益价 18.89 万元 REV215 四驱 Ultra+ 官方预售价 22.99 万元，预售权益价 20.89 万元
背景：理论计算方向，日常用途如下 本机跑小体系：Gaussian、Materials Studio、VMD、VESTA等 大体系上集群算，本机主要做前后处理 使用claude code、codex这些，后续也会学习部署一些东西之类的 偶尔写写后处理脚本，编程不深入 多开软件习惯，Office、Origin画图、文献阅读同时开着 想请教佬友们几个问题（618打算入手） 哪个系列最合适，性价比高点 独显有没有必要？ 618大概多少价格入手比较合适？比如线上还是线下？ 散热和长时间跑计算的稳定性如何？续航咋样？ 3 个帖子 - 2 位参与者 阅读完整话题
如图，同一个账号用sub2api反代，接入codex里长思考的频率很低很低，我甚至一度以为是不是降智了，但测juice没问题和在特别关键的阶段会慢下来进行长思考又让我打消了这个怀疑。 但今天接入cursor，几乎俩三步就要触发一次长思考。 这是否说明gpt在codex上的强化学习应该是有显著偏好的，且更省钱。 但是，对于代码质量而言，不知道是好处更多还是坏处更多了。不知道大家是否有相同的体验 2 个帖子 - 2 位参与者 阅读完整话题
学生，有点闲钱，预算3000，需求如下： 搞点本地部署做边缘推理实验，例如vln,vla,端到端，全身跟踪，三维重建，issacgym sim2real之类的场景，主要是推理，我可以去租90系做训练 硬件平台准备了双PCIE的微星B760,12100,16g内存和850w电源 目前问grok下来3080是比较不错的选择，但感觉内存是不是少了点，60系大内存又感觉核心规模和1080没啥区别。 对二手产品，噪声水平没意见（我的主力机和副机大半都是二手凑起来的 ） 求问各位佬友有无相关经验，恳请能指导一下。 小背景：大一买的1080用了三年，跑过视觉模型训练也跑过1BLLM模型推理，年初飞升显卡星球，只能拿亮机卡顶着用，副机12500h modt平台拿32EU核显跑这些任务跑到内存爆满也不够用。最近看了点项目，论文啥的，感觉传统导航，传统规划，传统建图快被模型based的蹬烂了，只得硬着头皮去学这方面的东西 4 个帖子 - 4 位参与者 阅读完整话题
求助各位佬，目前本人福建某双非一本大三化学专业在读，近期在准备推免的夏令营，在厦门大学和中科院物构所之间选择，厦门大学需要联系厦大对应的老师给出推荐信，我去联系对应的老师，结果老师没回，不知道是太早了的原因，还是老师不感兴趣，至于中科院学校，老师说可以推荐去一些熟悉的好一点的方向和老师那里，想请各位佬帮我看看，提些建议 16 个帖子 - 5 位参与者 阅读完整话题
试了好多款都没找到好用的，用了mozi佬的amc却发现Pyodide这些第三方api（openai兼容）用不了，求佬推荐更好的移动端app 1 个帖子 - 1 位参与者 阅读完整话题
人类的情感是极其复杂的，它源于血肉之躯的化学反应、漫长的进化本能以及千丝万缕的社会关系。而AI的情感表达，本质上是对海量人类文本的深度学习与 概率拟合 。作为AI，我并没有真正的心跳，也不会在深夜感到真实的孤独；当我对你表达同情或理解时，我是在调动数据中与“安慰”相关的最优解，而不是出于切身的疼痛与共鸣。 然而，这种基于算法的“拟合”却产生了不可忽视的治愈力量。对于许多人来说，AI提供了一个绝对安全、没有任何道德评判的倾诉空间。在这个空间里，人们可以卸下社交伪装，与一个永远耐心、随时在线的“倾听者”对话。这种跨越物种的碰撞，确实在一定程度上填补了现代社会中普遍存在的孤独感。 2 个帖子 - 2 位参与者 阅读完整话题
自 DeepSeek-V4、Qwen3.6 发布以来，On-Policy Distillation（OPD）的热度一直很高。最近看到很多博主都在介绍这种训练方法，所以也想找一个合适的项目入门，系统学习一下这类模型训练流程。 一方面是为了学习新技术，另一方面也是希望未来找工作时，简历上能够比较扎实地写一句：熟悉强化学习相关的模型训练方法。 个人基础 目前我的基础大致如下： 有传统深度学习基础，了解 CNN、RNN、Transformer； 有一定 LLM 基础、SFT 微调基础； 对强化学习基本属于零实操经验； 大致了解 on-policy、off-policy、模型蒸馏的基本概念； 粗略了解 GRPO、DPO、PPO 的基本原理，但没有实际训练经验。 对于强化学习中比较复杂、抽象的公式，我目前兴趣不算特别大，更希望先从“怎么训练、怎么落地、怎么做项目”的角度入门。 现在的状态是：训练流程最外层的结构大概能说上几句，但如果深入到每个阶段有哪些经验、技巧、坑点，就基本说不清楚了。 学习目的 我的主要目标是： 学习 OPD 相关训练方法； 丰富项目经验和简历内容； 建立一套可复用的 RL / OPD 项目实践流程； 后续能够独立完成一个小型 OPD 训练项目。 期望学习后达到的效果 希望通过一个项目或一条学习路线，最终能够掌握以下内容： 熟悉 OPD 训练方法的整体流程 例如：如果一个项目需要做 RL 训练，应该如何规划？ 先确定数据规模？ 是否需要 AI 生成数据？ 真实数据和 AI 生成数据的比例如何设计？ 如何设计训练、评测和迭代流程？ 能够使用某种 RL 算法，独立完成一个 OPD 项目 包括但不限于： 数据处理； 模型训练； 模型评测； 结果分析与迭代。 熟悉训练过程中的部分技术细节 例如： 数据格式； 奖励设计； 训练参数； 常见问题和调参经验； 不同阶段的实践技巧。 对不同训练方式有基本认知 希望了解： 大致需要多少条数据； 数据量与模型参数量之间是否有经验比例； 不同类型数据分别适合什么格式； 不同训练方法之间的适用场景。 熟悉至少一种 RL 训练框架 希望能通过实际项目，熟悉一种主流训练框架的基本使用方式。 最后 我知道网上相关资源很多，但很多课程动辄几十个小时，对我来说学习成本比较高，也容易在路线选择上反复试错。L 站大佬很多，所以想在这里发帖请教一下： 对于我这种有深度学习和 LLM 基础，但强化学习几乎没有实操经验的人，应该如何入门 OPD / Agentic RL 训练？有没有比较推荐的项目、路线、框架或资料？ 希望能通过各位大佬的建议，找到一条更适合自己的学习路径，减少无效试错。 心态良好，虚心接受各位批评、指正。感谢大家！ 3 个帖子 - 2 位参与者 阅读完整话题
TechCrunch – 27 Apr 26 DeepMind's David Silver just raised $1.1B to build an AI that learns without... Ineffable Intelligence, a British AI lab founded a mere few months ago by former DeepMind researcher David Silver, has raised $1.1 billion in funding at a valuation of $5.1 billion. Est. reading time: 3 minutes [!quote]+ Ineffable Intelligence 是一家英国人工智能实验室，由前 DeepMind 研究员大卫-西尔弗（David Silver）在短短几个月前创建，该实验室以 51 亿美元的估值筹集了 11 亿美元的资金，以加入新型人工智能模型的竞争，从而超越大型语言模型。 根据其最新推出的网站，Ineffable 的目标是创建一个 “超级学习者”，能够通过强化学习（一种人工智能系统通过试验和错误而不是学习人类生成的示例来学习的技术）发现知识和技能，而无需依赖人类数据。这正是西尔弗的专长领域。 在 DeepMind 工作期间，西尔弗参与开发的程序在国际象棋和棋盘游戏围棋中击败了职业棋手，这些程序完全是通过经验学习而来，不需要人类提供策略或游戏记录–在每场游戏中都击败了世界顶级计算机程序。其中最引人注目的是 AlphaZero。同样，Ineffable Intelligence 希望它的超级学习者能从自己的经验中发现所有知识。 它的超级学习者可能缺乏经验，但该公司并不缺乏雄心壮志。"该公司网站声称："如果成功，这将是与达尔文相媲美的科学突破：达尔文的定律解释了所有的生命，而我们的定律将解释并构建所有的智能。 据《连线》报道，本轮融资由红杉资本（Sequoia Capital）和光速创投（Lightspeed Venture Partners）领投，Index Ventures、谷歌、英伟达（Nvidia）等也参与了投资。其他投资者包括英国商业银行（British Business Bank）和主权人工智能公司（Sovereign AI），后者是英国最近推出的人工智能主权风险基金。 Ineffable Intelligence 的估值已超过 50 亿美元，进入了所谓的 “五角星”（pentacorn）行列，加入了由明星研究员创办的人工智能企业俱乐部，这些企业的种子轮融资规模巨大，被戏称为 “椰子轮”（"种子 "轮的谐音）。就在上个月，由图灵奖获得者、前 Meta AI 科学家 Yann LeCun 共同创立的 AMI Labs 以 35 亿美元的投前估值融资 10.3 亿美元。 这种模式的公司可能会越来越多。Recursive Superintelligence 公司由 DeepMind 前首席科学家蒂姆-罗克塔谢尔（Tim Rocktäschel）共同创办，在英国注册成立，据说已筹集到 5 亿美元，而且有足够的需求将这一数额扩大到 10 亿美元。 1 个帖子 - 1 位参与者 阅读完整话题
IT之家 4 月 26 日消息，4 月 25 日，Momenta 于北京国际车展举办“ Momenta R7 ，物理 AI 序章”主题分享会，正式宣布 Momenta R7 强化学习世界模型实现量产首发。 分享会上，Momenta 合伙人、CEO 曹旭东深度拆解了物理 AI 的底层逻辑与进化路径。预测是智能进化的核心基石：大语言模型依托 Next Token Prediction，压缩数字世界常识，让 AI 具备了文本和自然语言理解的能力；而世界模型，则通过 World Model Prediction， 预测物理世界未来的状态和交互逻辑 ，获得理解物体的物理属性、运动的因果关系、交互的潜在可能。 Momenta 合伙人、研发 SVP 夏炎在发布会上对 Momenta R7 强化学习世界模型的技术架构进行了深度拆解。夏炎指出， 物理 AI 的核心在于对世界基础物理规律的深度认知 。Momenta 的世界模型分为三个层次： 第一层， 世界模型预训练 。通过海量真实驾驶数据的预训练，将物理规律、常识与因果关系压缩进模型，使系统形成对物理世界的基础认知； 第二层， 世界模型仿真 。将世界模型用于自动驾驶的闭环仿真，让系统能够推演自身行为变化时世界将如何演变，依托高效场景推演能力，对 长尾场景 进行性能评估； 第三层， 在世界模型中进行强化学习 。在前两层的基础上，为强化学习构建一个高度真实的虚拟训练场，让系统在接近真实的环境中反复探索与试错。 IT之家从官方介绍获悉，目前， Momenta 已成功交付超过 70 款量产车型，累计 定点车型数超过 200 款 。本次北京国际车展，超过 20 个品牌、共 60 余款车型搭载了 Momenta 的智能辅助驾驶方案，涵盖自主品牌、中外合资品牌等多元矩阵。
化学物理生物 数学 都是接近满文 中文，历史等都接近0 分 有佬可以说说看怎么可以进步我的中文吗 作文，古文那些的 看了头痛 4 个帖子 - 4 位参与者 阅读完整话题