算法论文9
寿政:打造下一代具身大模型底座
AI科技评论
AI 摘要
NUS寿政教授打破传统模型拼接套路,在单个Transformer中融合自回归与离散扩散,用循环一致性监督解决数据稀缺,靠自研骨干网实现低延迟,打造适配具身智能的统一大模型底座。
阅读原文 · AI科技评论
NUS Show Lab 寿政教授:打通自回归与离散扩散,打造下一代具身大模型底座|ECCV 2026
本文整理自新加坡国立大学Show Lab负责人寿政教授在ECCV 2026的分享,团队研发融合自回归与离散扩散的Show-o/Show-2统一架构,解决多模态理解与生成融合痛点,延伸至具身智能领域,突破数据稀缺、推理延迟等核心瓶颈。

关注公众号
扫码关注
第一时间收到每日精选
相关文章
新闻资讯8
李飞飞发布 Atlas,世界模型迎新变革
李飞飞创业公司 World Labs 发布新一代世界模型 Atlas,它是全模态模型,能处理四模态数据。其核心为空间上下文设计,评测成绩不错,应用场景丰富,公司发展节奏密集,产品路径有转向。
机器之心
推荐文章8
机器人泰斗:后空翻是杂耍,端咖啡才是真AI
在最新一期播客中,机器人学泰斗 Sergey Levine 与 Ryan Peterman 深度对话,触及行业焦点如机器人发展阶段、波士顿动力淡出原因等。他强调,机器人技术尚处底层搭建期,需重视先验知识、软硬件结合,跨越鲁棒性门槛。
AI科技大本营
开源动态8
Meta 开源本地运行智能体模型 Muse Glimmer
Meta AI Research 推出 300 亿参数的开放权重模型 Muse Glimmer,采用 Apache 2.0 许可证。它专为本地工作流设计,能在消费级硬件运行,经多项优化,在基准评估中表现出色,还支持多种框架。
AI前线
算法论文8
复旦&引望WAM-Diff2让自动驾驶解码提速15.1倍
视觉-语言-动作(VLA)模型是端到端自动驾驶主流技术,但自回归解码架构有瓶颈。复旦大学与引望智能联合提出WAM-Diff2,实现自回归VLA向离散扩散模型迁移,解码加速15.1倍,多任务性能不降。
机器之心