降低 AI 时代的认知熵增

PrimeSim 从预训练视频生成模型出发，在约 30,110 小时、22 个机器人平台的示范上中期训练，再经因果蒸馏与自回滚训练，成为动作条件、多视角的机器人世界模拟器；作者报告 10.1 FPS，并在 WorldSimProbe 五项中…

华为与多伦多大学、麦吉尔、Mila 等提出 La-JEPA：在预训练 V-JEPA 2.1 特征空间中从头训练紧凑世界-动作策略。在无具身预训练的策略中，于 RoboTwin 2.0 与校正指令后的 LIBERO-Plus 取得当时最强结果…

提出 DreamX：复用预训练视频扩散模型提取紧凑潜动作，使动作表征在执行间一致、对本体与外观变化更不变，以改善跨本体迁移。

在 12 种本体、约 1.5 万视频小时数据上训练 JEPA 世界模型至 8B；想象误差服从二阶幂律并可外推；规划成功率随算力可预期提升；开源权重与部署代码。

在 LeRobot 平台上对视觉触觉 RGB、深度/法向、marker-flow 做对照：720 次真机试验显示加入触觉使总成功率 57.8%→78.9%；单线索中 marker-flow 达 74.4%，对已建立接触后的调控尤其重要。

指出具身智能体的视觉观测随视角、光照、遮挡不断变化，但物体身份不变。

大模型推理受自回归解码顺序性限制，投机解码通过请求内并行验证多个token缓解瓶颈。

指出大模型能力提升后，控制其输出的能力愈发重要。