标签：训练

伦敦 Machenta 获 4000 万美元种子轮，研发让机器人看一次就会的 AI 模型

伦敦初创公司 Machenta 获得 4000 万美元种子轮融资，其目标是让机器人通过观看一次人类演示，就能学会新的物理操作任务，这类“少样本模仿学习”方向正受到资本关注。

2026年10月21日，Hugging Face Papers 收录的一篇论文针对 AI 训练中视频随机采样导致的解码效率瓶颈，提出“依赖感知稀疏解码 + DDRA 编码”的组合方案。其价值在于：在不牺牲压缩率的前提下，降低视频数据读取的算力与存储开销。

NVIDIA 发布面向法国和比利时的 Nemotron-Personas 开源人物数据集，并给出后训练流程，让 Nemotron 系列模型不仅会说当地语言，还能按当地办事规则给出准确回答。

据 IEEE Spectrum 报道，维基百科社区已启动针对 AI 生成内容的清理工作，由志愿者小组系统识别并处理疑似由大模型撰写的低质量条目。这关系到开放知识平台如何应对生成式 AI 带来的内容污染。

alphaXiv 收录的一篇论文提出 DecisionRAG：跳过传统检索器，让预训练语言模型以“决策模型”方式在文档层级中判断哪些分支值得展开。这直接针对 RAG 的一个老问题：生成器再强，也补不回检索没找到的证据。

EDA巨头Cadence发布专为芯片设计调校的AI模型Maestro，官方称相比通用模型结果质量最多提升30%、token效率最多提高5倍，首批本季度向早期客户开放。

Hugging Face Papers 收录的 EmbodiedLab 把“动手做实验才知道答案”变成可量化评测：机器人在物理模拟实验室里自选步骤操作仪器，评测它最终“知道了什么、做成了什么”。

alphaXiv 收录的论文提出 BEHAVIOR-Spatial 基准，把空间问答、目标点定位和机器人动作放在同一任务上测，发现“任务完成”并不等于“按指令执行”。

alphaXiv 收录的论文 Zero-HLM 提出一条“真实场景扫描—仿真训练—真机部署”的路线：仅用智能手机拍摄和仿真遥操作数据，就让 Unitree G1 完成搬运、放置等全身操作任务，在 Base 配置下平均全任务成功率达到 66.7%，高于真机数据训练策略的 46.7%。

alphaXiv 收录的论文提出 FLORE，让人形机器人不仅能模仿动作轨迹，还能根据人类演示中记录的接触力，在推、转、擦等接触任务中主动控制力度。在宇树 G1 上，三个接触任务的成功率为 80%，仅用位置策略的对照为 26.7%。