Repository navigation
Expand file tree
/
Copy pathatom.xml
More file actions
535 lines (281 loc) · 27.5 KB
/
Copy pathatom.xml
File metadata and controls
535 lines (281 loc) · 27.5 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
<?xml version="1.0" encoding="utf-8"?>
<feed xmlns="http://www.w3.org/2005/Atom">
<title>Charles's Castle</title>
<subtitle>Happiness is best</subtitle>
<link href="https://charles2530.github.io/atom.xml" rel="self"/>
<link href="https://charles2530.github.io/"/>
<updated>2026-10-13T01:00:00.000Z</updated>
<id>https://charles2530.github.io/</id>
<author>
<name>Du Jinyang</name>
</author>
<generator uri="https://hexo.io/">Hexo</generator>
<entry>
<title>论文专题讲解：MiniMax H3：统一任务与模态的视频生成模型</title>
<link href="https://charles2530.github.io/2026/10/13/ai-files-paper-deep-dives-technical-reports-minimax-h3-1010-1401/"/>
<id>https://charles2530.github.io/2026/10/13/ai-files-paper-deep-dives-technical-reports-minimax-h3-1010-1401/</id>
<published>2026-10-13T01:00:00.000Z</published>
<updated>2026-10-13T01:00:00.000Z</updated>
<summary type="html">资料题名 MiniMax H3: An Open Model Breaking the Boundaries Between Tasks and Modalities。 发布方 MiniMax Research。 公开时间 2026-07-31。 资料类型 官方技术博客与产品级技术概览，完整 H3 Technical </summary>
<category term="AI" scheme="https://charles2530.github.io/categories/AI/"/>
<category term="论文专题讲解" scheme="https://charles2530.github.io/categories/AI/%E8%AE%BA%E6%96%87%E4%B8%93%E9%A2%98%E8%AE%B2%E8%A7%A3/"/>
<category term="AI" scheme="https://charles2530.github.io/tags/AI/"/>
<category term="论文专题" scheme="https://charles2530.github.io/tags/%E8%AE%BA%E6%96%87%E4%B8%93%E9%A2%98/"/>
<category term="技术报告" scheme="https://charles2530.github.io/tags/%E6%8A%80%E6%9C%AF%E6%8A%A5%E5%91%8A/"/>
</entry>
<entry>
<title>思考探索：具身推理加速，先看动作执行时观测有多旧</title>
<link href="https://charles2530.github.io/2026/10/11/ai-files-thinking-exploration-embodied-inference-observation-age-1009-2059/"/>
<id>https://charles2530.github.io/2026/10/11/ai-files-thinking-exploration-embodied-inference-observation-age-1009-2059/</id>
<published>2026-10-11T01:00:00.000Z</published>
<updated>2026-10-11T01:00:00.000Z</updated>
<summary type="html">读《推理加速的系统方法》时，最值得继续追问的是开头那件事。模型还在推理，目标已经移动了。即使模型对输入画面的理解完全正确，它给出的动作也可能赶不上眼前的变化。 这让我更愿意用一个具体问题判断具身推理优化的价值。 动作真正执行时，它依据的观测已经过去了多久。 CUDA Graph、算子融合、低精度计算和少步去噪都可以缩短</summary>
<category term="AI" scheme="https://charles2530.github.io/categories/AI/"/>
<category term="思考探索" scheme="https://charles2530.github.io/categories/AI/%E6%80%9D%E8%80%83%E6%8E%A2%E7%B4%A2/"/>
<category term="AI" scheme="https://charles2530.github.io/tags/AI/"/>
<category term="推理" scheme="https://charles2530.github.io/tags/%E6%8E%A8%E7%90%86/"/>
<category term="具身智能" scheme="https://charles2530.github.io/tags/%E5%85%B7%E8%BA%AB%E6%99%BA%E8%83%BD/"/>
<category term="部署与安全" scheme="https://charles2530.github.io/tags/%E9%83%A8%E7%BD%B2%E4%B8%8E%E5%AE%89%E5%85%A8/"/>
</entry>
<entry>
<title>论文专题讲解：WA-SpecDec：让 Draft 与 Target 共享物理场景表征</title>
<link href="https://charles2530.github.io/2026/10/10/ai-files-paper-deep-dives-inference-wa-specdec-0928-1144/"/>
<id>https://charles2530.github.io/2026/10/10/ai-files-paper-deep-dives-inference-wa-specdec-0928-1144/</id>
<published>2026-10-10T01:00:00.000Z</published>
<updated>2026-10-10T01:00:00.000Z</updated>
<summary type="html">论文题名： WA-SpecDec: World-Aware Speculative Decoding for Vision-Language-Action Models。 作者： Zikang Wen、Yuning Zhang、Dong Yuan。 机构： The University of Sydney。 时间 / </summary>
<category term="AI" scheme="https://charles2530.github.io/categories/AI/"/>
<category term="论文专题讲解" scheme="https://charles2530.github.io/categories/AI/%E8%AE%BA%E6%96%87%E4%B8%93%E9%A2%98%E8%AE%B2%E8%A7%A3/"/>
<category term="AI" scheme="https://charles2530.github.io/tags/AI/"/>
<category term="推理" scheme="https://charles2530.github.io/tags/%E6%8E%A8%E7%90%86/"/>
<category term="论文专题" scheme="https://charles2530.github.io/tags/%E8%AE%BA%E6%96%87%E4%B8%93%E9%A2%98/"/>
</entry>
<entry>
<title>论文专题讲解：Realtime-VLA FLASH：用并行 Flow 验证减少完整 VLA 重规划</title>
<link href="https://charles2530.github.io/2026/10/08/ai-files-paper-deep-dives-inference-realtime-vla-flash-0928-1144/"/>
<id>https://charles2530.github.io/2026/10/08/ai-files-paper-deep-dives-inference-realtime-vla-flash-0928-1144/</id>
<published>2026-10-08T01:00:00.000Z</published>
<updated>2026-10-08T01:00:00.000Z</updated>
<summary type="html">论文题名： Realtime-VLA FLASH: Speculative Inference Framework for Diffusion-based VLAs。 作者： Jiahui Niu、Kefan Gu、Yucheng Zhao、Shengwen Liang、Tiancai Wang、Xing Hu、Yin</summary>
<category term="AI" scheme="https://charles2530.github.io/categories/AI/"/>
<category term="论文专题讲解" scheme="https://charles2530.github.io/categories/AI/%E8%AE%BA%E6%96%87%E4%B8%93%E9%A2%98%E8%AE%B2%E8%A7%A3/"/>
<category term="AI" scheme="https://charles2530.github.io/tags/AI/"/>
<category term="推理" scheme="https://charles2530.github.io/tags/%E6%8E%A8%E7%90%86/"/>
<category term="具身智能" scheme="https://charles2530.github.io/tags/%E5%85%B7%E8%BA%AB%E6%99%BA%E8%83%BD/"/>
<category term="论文专题" scheme="https://charles2530.github.io/tags/%E8%AE%BA%E6%96%87%E4%B8%93%E9%A2%98/"/>
</entry>
<entry>
<title>推理：VLA 投机推理：从动作 Token 到连续动作块与闭环验证</title>
<link href="https://charles2530.github.io/2026/10/06/ai-files-inference-vla-speculative-decoding-0928-1144/"/>
<id>https://charles2530.github.io/2026/10/06/ai-files-inference-vla-speculative-decoding-0928-1144/</id>
<published>2026-10-06T01:00:00.000Z</published>
<updated>2026-10-06T01:00:00.000Z</updated>
<summary type="html">机器人已经伸手接近杯子，策略还在等待下一轮大模型推理。继续执行旧动作可能错过目标，缩短动作块又会增加大模型调用次数。VLA 投机推理想解决这个矛盾：把便宜的预测先做出来，再用较贵但更可靠的计算决定哪些动作可以执行、何时需要重新规划。 这条路线连接了通用投机解码与VLA 动作分块。理解它需要先分清三件事：候选是离散 to</summary>
<category term="AI" scheme="https://charles2530.github.io/categories/AI/"/>
<category term="推理" scheme="https://charles2530.github.io/categories/AI/%E6%8E%A8%E7%90%86/"/>
<category term="AI" scheme="https://charles2530.github.io/tags/AI/"/>
<category term="推理" scheme="https://charles2530.github.io/tags/%E6%8E%A8%E7%90%86/"/>
<category term="具身智能" scheme="https://charles2530.github.io/tags/%E5%85%B7%E8%BA%AB%E6%99%BA%E8%83%BD/"/>
<category term="服务系统" scheme="https://charles2530.github.io/tags/%E6%9C%8D%E5%8A%A1%E7%B3%BB%E7%BB%9F/"/>
</entry>
<entry>
<title>论文专题讲解：OpenWAM：把 World–Action Model 变成可控的研究程序</title>
<link href="https://charles2530.github.io/2026/10/04/ai-files-paper-deep-dives-embodied-ai-openwam/"/>
<id>https://charles2530.github.io/2026/10/04/ai-files-paper-deep-dives-embodied-ai-openwam/</id>
<published>2026-10-04T01:00:00.000Z</published>
<updated>2026-10-04T01:00:00.000Z</updated>
<summary type="html">论文题名： OpenWAM: An Open, Modular Exploration Towards Systematic World–Action Model Pretraining。 作者： Yuran Wang、Siqiao Huang、Mingleyang Li、Chenhao Zhang、Jiaqi Lia</summary>
<category term="AI" scheme="https://charles2530.github.io/categories/AI/"/>
<category term="论文专题讲解" scheme="https://charles2530.github.io/categories/AI/%E8%AE%BA%E6%96%87%E4%B8%93%E9%A2%98%E8%AE%B2%E8%A7%A3/"/>
<category term="AI" scheme="https://charles2530.github.io/tags/AI/"/>
<category term="具身智能" scheme="https://charles2530.github.io/tags/%E5%85%B7%E8%BA%AB%E6%99%BA%E8%83%BD/"/>
<category term="论文专题" scheme="https://charles2530.github.io/tags/%E8%AE%BA%E6%96%87%E4%B8%93%E9%A2%98/"/>
</entry>
<entry>
<title>论文专题讲解：TBSM：用三体散射把分布距离变成一步监督</title>
<link href="https://charles2530.github.io/2026/10/03/ai-files-paper-deep-dives-diffusion-tbsm/"/>
<id>https://charles2530.github.io/2026/10/03/ai-files-paper-deep-dives-diffusion-tbsm/</id>
<published>2026-10-03T01:00:00.000Z</published>
<updated>2026-10-03T01:00:00.000Z</updated>
<summary type="html">论文题名： Three-Body Scattering for Generative Modeling。 作者： Peng Sun、Zhenglin Cheng、Deyuan Liu、Jun Xie、Xinyi Shang、Tao Lin。 机构： Westlake University、Zhejiang Univer</summary>
<category term="AI" scheme="https://charles2530.github.io/categories/AI/"/>
<category term="论文专题讲解" scheme="https://charles2530.github.io/categories/AI/%E8%AE%BA%E6%96%87%E4%B8%93%E9%A2%98%E8%AE%B2%E8%A7%A3/"/>
<category term="AI" scheme="https://charles2530.github.io/tags/AI/"/>
<category term="扩散模型" scheme="https://charles2530.github.io/tags/%E6%89%A9%E6%95%A3%E6%A8%A1%E5%9E%8B/"/>
<category term="论文专题" scheme="https://charles2530.github.io/tags/%E8%AE%BA%E6%96%87%E4%B8%93%E9%A2%98/"/>
</entry>
<entry>
<title>论文专题讲解：Drifting：把生成分布的迭代搬到训练阶段</title>
<link href="https://charles2530.github.io/2026/10/01/ai-files-paper-deep-dives-diffusion-drifting/"/>
<id>https://charles2530.github.io/2026/10/01/ai-files-paper-deep-dives-diffusion-drifting/</id>
<published>2026-10-01T01:00:00.000Z</published>
<updated>2026-10-01T01:00:00.000Z</updated>
<summary type="html">论文题名： Generative Modeling via Drifting。 作者： Mingyang Deng、He Li、Tianhong Li、Yilun Du、Kaiming He。 机构： MIT、Harvard University。 时间 / 主题： 2026-02，v2；扩散模型与一步生成。 arXi</summary>
<category term="AI" scheme="https://charles2530.github.io/categories/AI/"/>
<category term="论文专题讲解" scheme="https://charles2530.github.io/categories/AI/%E8%AE%BA%E6%96%87%E4%B8%93%E9%A2%98%E8%AE%B2%E8%A7%A3/"/>
<category term="AI" scheme="https://charles2530.github.io/tags/AI/"/>
<category term="扩散模型" scheme="https://charles2530.github.io/tags/%E6%89%A9%E6%95%A3%E6%A8%A1%E5%9E%8B/"/>
<category term="论文专题" scheme="https://charles2530.github.io/tags/%E8%AE%BA%E6%96%87%E4%B8%93%E9%A2%98/"/>
</entry>
<entry>
<title>论文专题讲解：RDM：用表征分布匹配训练一步视觉生成器</title>
<link href="https://charles2530.github.io/2026/09/29/ai-files-paper-deep-dives-diffusion-rdm/"/>
<id>https://charles2530.github.io/2026/09/29/ai-files-paper-deep-dives-diffusion-rdm/</id>
<published>2026-09-29T01:00:00.000Z</published>
<updated>2026-09-29T01:00:00.000Z</updated>
<summary type="html">论文题名： Representation Distribution Matching for One-Step Visual Generation。 作者： Lan Feng、Wuyang Li、Éloi Zablocki、Matthieu Cord、Alexandre Alahi。 机构： EPFL、Valeo.ai</summary>
<category term="AI" scheme="https://charles2530.github.io/categories/AI/"/>
<category term="论文专题讲解" scheme="https://charles2530.github.io/categories/AI/%E8%AE%BA%E6%96%87%E4%B8%93%E9%A2%98%E8%AE%B2%E8%A7%A3/"/>
<category term="AI" scheme="https://charles2530.github.io/tags/AI/"/>
<category term="扩散模型" scheme="https://charles2530.github.io/tags/%E6%89%A9%E6%95%A3%E6%A8%A1%E5%9E%8B/"/>
<category term="论文专题" scheme="https://charles2530.github.io/tags/%E8%AE%BA%E6%96%87%E4%B8%93%E9%A2%98/"/>
</entry>
<entry>
<title>论文专题讲解：REPA：把扩散模型隐式学习表征的负担变成显式监督</title>
<link href="https://charles2530.github.io/2026/09/27/ai-files-paper-deep-dives-diffusion-repa/"/>
<id>https://charles2530.github.io/2026/09/27/ai-files-paper-deep-dives-diffusion-repa/</id>
<published>2026-09-27T01:00:00.000Z</published>
<updated>2026-09-27T01:00:00.000Z</updated>
<summary type="html">论文题名： Representation Alignment for Generation: Training Diffusion Transformers Is Easier Than You Think。 作者： Sihyun Yu、Sangkyung Kwak、Huiwon Jang、Jongheon Jeong</summary>
<category term="AI" scheme="https://charles2530.github.io/categories/AI/"/>
<category term="论文专题讲解" scheme="https://charles2530.github.io/categories/AI/%E8%AE%BA%E6%96%87%E4%B8%93%E9%A2%98%E8%AE%B2%E8%A7%A3/"/>
<category term="AI" scheme="https://charles2530.github.io/tags/AI/"/>
<category term="扩散模型" scheme="https://charles2530.github.io/tags/%E6%89%A9%E6%95%A3%E6%A8%A1%E5%9E%8B/"/>
<category term="论文专题" scheme="https://charles2530.github.io/tags/%E8%AE%BA%E6%96%87%E4%B8%93%E9%A2%98/"/>
</entry>
<entry>
<title>论文专题讲解：Z-Image-Pixel：像素扩散更适合 post-training，而不是 pre-training</title>
<link href="https://charles2530.github.io/2026/09/26/ai-files-paper-deep-dives-diffusion-z-image-pixel/"/>
<id>https://charles2530.github.io/2026/09/26/ai-files-paper-deep-dives-diffusion-z-image-pixel/</id>
<published>2026-09-26T01:00:00.000Z</published>
<updated>2026-09-26T01:00:00.000Z</updated>
<summary type="html">论文题名： An Empirical Study of Training Pixel-Space Text-to-Image Diffusion Models。 作者： Dengyang Jiang、Ruoyi Du、Zhennan Chen、Dongyang Liu、Zanyi Wang、Mingzhe Zheng、</summary>
<category term="AI" scheme="https://charles2530.github.io/categories/AI/"/>
<category term="论文专题讲解" scheme="https://charles2530.github.io/categories/AI/%E8%AE%BA%E6%96%87%E4%B8%93%E9%A2%98%E8%AE%B2%E8%A7%A3/"/>
<category term="AI" scheme="https://charles2530.github.io/tags/AI/"/>
<category term="扩散模型" scheme="https://charles2530.github.io/tags/%E6%89%A9%E6%95%A3%E6%A8%A1%E5%9E%8B/"/>
<category term="训练" scheme="https://charles2530.github.io/tags/%E8%AE%AD%E7%BB%83/"/>
<category term="论文专题" scheme="https://charles2530.github.io/tags/%E8%AE%BA%E6%96%87%E4%B8%93%E9%A2%98/"/>
</entry>
<entry>
<title>论文专题讲解：RISE：用组合式世界模型做机器人想象强化学习</title>
<link href="https://charles2530.github.io/2026/09/24/ai-files-paper-deep-dives-world-models-rise/"/>
<id>https://charles2530.github.io/2026/09/24/ai-files-paper-deep-dives-world-models-rise/</id>
<published>2026-09-24T01:00:00.000Z</published>
<updated>2026-09-24T01:00:00.000Z</updated>
<summary type="html">论文题名： RISE: Self-Improving Robot Policy with Compositional World Model。 作者： Jiazhi Yang、Kunyang Lin、Jinwei Li、Wencong Zhang、Tianwei Lin、Longyan Wu、Zhizhong Su、H</summary>
<category term="AI" scheme="https://charles2530.github.io/categories/AI/"/>
<category term="论文专题讲解" scheme="https://charles2530.github.io/categories/AI/%E8%AE%BA%E6%96%87%E4%B8%93%E9%A2%98%E8%AE%B2%E8%A7%A3/"/>
<category term="AI" scheme="https://charles2530.github.io/tags/AI/"/>
<category term="世界模型" scheme="https://charles2530.github.io/tags/%E4%B8%96%E7%95%8C%E6%A8%A1%E5%9E%8B/"/>
<category term="论文专题" scheme="https://charles2530.github.io/tags/%E8%AE%BA%E6%96%87%E4%B8%93%E9%A2%98/"/>
</entry>
<entry>
<title>论文专题讲解：PixelDiT：无 VAE 的像素空间 DiT</title>
<link href="https://charles2530.github.io/2026/09/22/ai-files-paper-deep-dives-diffusion-pixeldit/"/>
<id>https://charles2530.github.io/2026/09/22/ai-files-paper-deep-dives-diffusion-pixeldit/</id>
<published>2026-09-22T01:00:00.000Z</published>
<updated>2026-09-22T01:00:00.000Z</updated>
<summary type="html">论文题名： PixelDiT: Pixel Diffusion Transformers for Image Generation。 作者： Yongsheng Yu、Wei Xiong、Weili Nie、Yichen Sheng、Shiqiu Liu、Jiebo Luo。 机构： NVIDIA、University</summary>
<category term="AI" scheme="https://charles2530.github.io/categories/AI/"/>
<category term="论文专题讲解" scheme="https://charles2530.github.io/categories/AI/%E8%AE%BA%E6%96%87%E4%B8%93%E9%A2%98%E8%AE%B2%E8%A7%A3/"/>
<category term="AI" scheme="https://charles2530.github.io/tags/AI/"/>
<category term="扩散模型" scheme="https://charles2530.github.io/tags/%E6%89%A9%E6%95%A3%E6%A8%A1%E5%9E%8B/"/>
<category term="论文专题" scheme="https://charles2530.github.io/tags/%E8%AE%BA%E6%96%87%E4%B8%93%E9%A2%98/"/>
</entry>
<entry>
<title>论文专题讲解：LingBot-VA 2.0：原生视频-动作预训练</title>
<link href="https://charles2530.github.io/2026/09/20/ai-files-paper-deep-dives-world-models-lingbot-va2/"/>
<id>https://charles2530.github.io/2026/09/20/ai-files-paper-deep-dives-world-models-lingbot-va2/</id>
<published>2026-09-20T01:00:00.000Z</published>
<updated>2026-09-20T01:00:00.000Z</updated>
<summary type="html">论文题名： Native Video-Action Pretraining for Generalizable Robot Control。 作者： Qihang Zhang、Lin Li、Luyao Zhang、Shuai Yang、Yiming Luo、Shuaiting Li、Ruilin Wang、Junke </summary>
<category term="AI" scheme="https://charles2530.github.io/categories/AI/"/>
<category term="论文专题讲解" scheme="https://charles2530.github.io/categories/AI/%E8%AE%BA%E6%96%87%E4%B8%93%E9%A2%98%E8%AE%B2%E8%A7%A3/"/>
<category term="AI" scheme="https://charles2530.github.io/tags/AI/"/>
<category term="世界模型" scheme="https://charles2530.github.io/tags/%E4%B8%96%E7%95%8C%E6%A8%A1%E5%9E%8B/"/>
<category term="论文专题" scheme="https://charles2530.github.io/tags/%E8%AE%BA%E6%96%87%E4%B8%93%E9%A2%98/"/>
</entry>
<entry>
<title>思考探索：具身智能的数据鸿沟：先对齐，再扩规模</title>
<link href="https://charles2530.github.io/2026/09/19/ai-files-thinking-exploration-embodied-ai-data-gap-alignment-and-scaling-0731-1219/"/>
<id>https://charles2530.github.io/2026/09/19/ai-files-thinking-exploration-embodied-ai-data-gap-alignment-and-scaling-0731-1219/</id>
<published>2026-09-19T01:00:00.000Z</published>
<updated>2026-09-19T01:00:00.000Z</updated>
<summary type="html">“跨越数据鸿沟”最值得保留的判断，不是把数据说成万能药，而是把数据问题拆成了一个更硬的工程问题：机器人数据只有在表示、动作、任务和评测都能对齐之后，规模才会变成能力。否则，更多小时数可能只是把更多坐标系、更多动作接口、更多噪声和更多伪相关塞进同一个模型。 这也是为什么我更愿意把当前具身智能的瓶颈写成： 这里的“对齐”不</summary>
<category term="AI" scheme="https://charles2530.github.io/categories/AI/"/>
<category term="思考探索" scheme="https://charles2530.github.io/categories/AI/%E6%80%9D%E8%80%83%E6%8E%A2%E7%B4%A2/"/>
<category term="AI" scheme="https://charles2530.github.io/tags/AI/"/>
<category term="训练" scheme="https://charles2530.github.io/tags/%E8%AE%AD%E7%BB%83/"/>
<category term="具身智能" scheme="https://charles2530.github.io/tags/%E5%85%B7%E8%BA%AB%E6%99%BA%E8%83%BD/"/>
<category term="数据与评测" scheme="https://charles2530.github.io/tags/%E6%95%B0%E6%8D%AE%E4%B8%8E%E8%AF%84%E6%B5%8B/"/>
<category term="部署与安全" scheme="https://charles2530.github.io/tags/%E9%83%A8%E7%BD%B2%E4%B8%8E%E5%AE%89%E5%85%A8/"/>
</entry>
<entry>
<title>论文专题讲解：LongLive-2.0：NVFP4 长视频生成基础设施</title>
<link href="https://charles2530.github.io/2026/09/17/ai-files-paper-deep-dives-diffusion-longlive2/"/>
<id>https://charles2530.github.io/2026/09/17/ai-files-paper-deep-dives-diffusion-longlive2/</id>
<published>2026-09-17T01:00:00.000Z</published>
<updated>2026-09-17T01:00:00.000Z</updated>
<summary type="html">论文题名： LongLive-2.0: An NVFP4 Parallel Infrastructure for Long Video Generation。 作者： Yukang Chen、Luozhou Wang、Wei Huang、Shuai Yang、Bohan Zhang、Yicheng Xiao、Ruiha</summary>
<category term="AI" scheme="https://charles2530.github.io/categories/AI/"/>
<category term="论文专题讲解" scheme="https://charles2530.github.io/categories/AI/%E8%AE%BA%E6%96%87%E4%B8%93%E9%A2%98%E8%AE%B2%E8%A7%A3/"/>
<category term="AI" scheme="https://charles2530.github.io/tags/AI/"/>
<category term="扩散模型" scheme="https://charles2530.github.io/tags/%E6%89%A9%E6%95%A3%E6%A8%A1%E5%9E%8B/"/>
<category term="量化" scheme="https://charles2530.github.io/tags/%E9%87%8F%E5%8C%96/"/>
<category term="论文专题" scheme="https://charles2530.github.io/tags/%E8%AE%BA%E6%96%87%E4%B8%93%E9%A2%98/"/>
</entry>
<entry>
<title>论文专题讲解：DeltaQuant：视频扩散的 4-bit core-delta 量化</title>
<link href="https://charles2530.github.io/2026/09/15/ai-files-paper-deep-dives-diffusion-deltaquant/"/>
<id>https://charles2530.github.io/2026/09/15/ai-files-paper-deep-dives-diffusion-deltaquant/</id>
<published>2026-09-15T01:00:00.000Z</published>
<updated>2026-09-15T01:00:00.000Z</updated>
<summary type="html">论文题名： DeltaQuant: 4-bit Video Diffusion Models with Spatiotemporal Delta Smoothing。 作者： Xingyang Li、Samuel Tesfai、Zhekai Zhang、Haocheng Xi、Shuo Yang、Lvmin Zhang</summary>
<category term="AI" scheme="https://charles2530.github.io/categories/AI/"/>
<category term="论文专题讲解" scheme="https://charles2530.github.io/categories/AI/%E8%AE%BA%E6%96%87%E4%B8%93%E9%A2%98%E8%AE%B2%E8%A7%A3/"/>
<category term="AI" scheme="https://charles2530.github.io/tags/AI/"/>
<category term="扩散模型" scheme="https://charles2530.github.io/tags/%E6%89%A9%E6%95%A3%E6%A8%A1%E5%9E%8B/"/>
<category term="量化" scheme="https://charles2530.github.io/tags/%E9%87%8F%E5%8C%96/"/>
<category term="论文专题" scheme="https://charles2530.github.io/tags/%E8%AE%BA%E6%96%87%E4%B8%93%E9%A2%98/"/>
</entry>
<entry>
<title>思考探索：从生成视频到维护世界：重建为什么是自动驾驶世界模型的状态接口</title>
<link href="https://charles2530.github.io/2026/09/14/ai-files-thinking-exploration-reconstruction-as-world-model-state-interface-0724-1059/"/>
<id>https://charles2530.github.io/2026/09/14/ai-files-thinking-exploration-reconstruction-as-world-model-state-interface-0724-1059/</id>
<published>2026-09-14T01:00:00.000Z</published>
<updated>2026-09-14T01:00:00.000Z</updated>
<summary type="html">关注的问题。 自动驾驶世界模型如果不能只靠“视频看起来真”来证明自己，那么 3D / 4D 重建到底补上了哪一块？ 这份 PPT 最值得保留的判断，是把世界模型从“生成一段视频”拉回“维护一个世界”。在自动驾驶里，一段未来视频可以纹理清楚、运动平滑、灯光合理，却仍然没有维护正确的世界状态：车辆被遮挡后可能停止演化，换一</summary>
<category term="AI" scheme="https://charles2530.github.io/categories/AI/"/>
<category term="思考探索" scheme="https://charles2530.github.io/categories/AI/%E6%80%9D%E8%80%83%E6%8E%A2%E7%B4%A2/"/>
<category term="AI" scheme="https://charles2530.github.io/tags/AI/"/>
<category term="部署与安全" scheme="https://charles2530.github.io/tags/%E9%83%A8%E7%BD%B2%E4%B8%8E%E5%AE%89%E5%85%A8/"/>
<category term="世界模型" scheme="https://charles2530.github.io/tags/%E4%B8%96%E7%95%8C%E6%A8%A1%E5%9E%8B/"/>
</entry>
<entry>
<title>思考探索：世界模型该预测什么：答案取决于谁消费未来</title>
<link href="https://charles2530.github.io/2026/09/12/ai-files-thinking-exploration-world-model-future-consumers/"/>
<id>https://charles2530.github.io/2026/09/12/ai-files-thinking-exploration-world-model-future-consumers/</id>
<published>2026-09-12T01:00:00.000Z</published>
<updated>2026-09-12T01:00:00.000Z</updated>
<summary type="html">把 PlaNet、Dreamer、V-JEPA 和 LingBot-World 放在一起，最先出现的冲突是：它们预测的对象不同，却都被称作世界模型。于是，“像素生成和 latent dynamics 谁更接近真正的世界模型”这个争论就问错了方向。 一段高清未来视频很容易检查，却可能没有严格响应动作；Dreamer 的 </summary>
<category term="AI" scheme="https://charles2530.github.io/categories/AI/"/>
<category term="思考探索" scheme="https://charles2530.github.io/categories/AI/%E6%80%9D%E8%80%83%E6%8E%A2%E7%B4%A2/"/>
<category term="AI" scheme="https://charles2530.github.io/tags/AI/"/>
<category term="部署与安全" scheme="https://charles2530.github.io/tags/%E9%83%A8%E7%BD%B2%E4%B8%8E%E5%AE%89%E5%85%A8/"/>
<category term="世界模型" scheme="https://charles2530.github.io/tags/%E4%B8%96%E7%95%8C%E6%A8%A1%E5%9E%8B/"/>
</entry>
<entry>
<title>思考探索：世界模型是什么：从预测画面到承受行动后果</title>
<link href="https://charles2530.github.io/2026/09/10/ai-files-thinking-exploration-what-is-a-world-model/"/>
<id>https://charles2530.github.io/2026/09/10/ai-files-thinking-exploration-what-is-a-world-model/</id>
<published>2026-09-10T01:00:00.000Z</published>
<updated>2026-09-10T01:00:00.000Z</updated>
<summary type="html">关注的问题。 当视频生成、3D 场景、机器人策略和强化学习都在使用“世界模型”这个词时，怎样给它一个既不过宽、也不把技术路线排除在外的定义？ “世界模型”正在变成 AI 里最容易产生误会的词之一。能生成一段视频的模型、可编辑的 3D 场景、物理仿真器、Dreamer 一类的 latent dynamics，以及带视觉输</summary>
<category term="AI" scheme="https://charles2530.github.io/categories/AI/"/>
<category term="思考探索" scheme="https://charles2530.github.io/categories/AI/%E6%80%9D%E8%80%83%E6%8E%A2%E7%B4%A2/"/>
<category term="AI" scheme="https://charles2530.github.io/tags/AI/"/>
<category term="部署与安全" scheme="https://charles2530.github.io/tags/%E9%83%A8%E7%BD%B2%E4%B8%8E%E5%AE%89%E5%85%A8/"/>
<category term="世界模型" scheme="https://charles2530.github.io/tags/%E4%B8%96%E7%95%8C%E6%A8%A1%E5%9E%8B/"/>
</entry>
</feed>