标签: Claude

感觉 @axisrobotics 不只是机器人训练。 Axis 在做的是给机器人收集训练数据。 现在普通人用电脑浏览器就能参与。 在 Axis Hub 里控制模拟机器人完成任务,每次有效操作都会形成训练数据,提交后还会进行验证。整个过程不需要自己买机器人,也不需要显卡。 最近比较值得关注的是 Axis V2。 以前主要是让用户操作机器人,收集数据给模型训练。 现在加入了模型自己先做,人来纠正的流程。 机器人快做错的时候,你接管一下,把…

感觉 @axisrobotics 不只是机器人训练。 Axis 在做的是给机器人收集训练数据。 现在普通人用电脑浏览器就能参与。 在 Axis Hub 里控制模拟机器人完成任务,每次有效操作都会形成训练数据,提交后还会进行验证。整个过程不需要自己买机器人,也不需要显卡。 最近比较值得关注的是 Axis V2。 以前主要是让用户操作机器人,收集数据给模型训练。 现在加入了模型自己先做,人来纠正的流程。 机器人快做错的时候,你接管一下,把…

Axis Robotics 把机器人训练数据采集搬进了浏览器,普通人不用买机器人、不用显卡就能参与;最新 v2 版本从"人操作机器人"升级为"模型先做、人只负责纠错",并公开了 5 万多条模拟轨迹数据集。

不到一年时间,我们已经从“OpenClaw”到“Personal AI Agent ”。 之前行业总说C端难以落地,但是反认知的是Instinct目前估值已经来到了100亿美元,而且日增长保持在10%。 一个月时间从Grok Bot、Muse到Cue和Bots。国庆之后字节,腾讯,阿也要加入。新一轮的AI产品军备竞赛! https://t.co/Tvri6ZasbF

不到一年时间,我们已经从“OpenClaw”到“Personal AI Agent ”。 之前行业总说C端难以落地,但是反认知的是Instinct目前估值已经来到了100亿美元,而且日增长保持在10%。 一个月时间从Grok Bot、Muse到Cue和Bots。国庆之后字节,腾讯,阿也要加入。新一轮的AI产品军备竞赛! https://t.co/Tvri6ZasbF

过去不到一年,AI 产品主线从开发者工具 OpenClaw 转向「Personal AI Agent」,Instinct 以 14 人团队做出百亿美元估值、日增用户 10%,Grok Bot、Muse、Cue、Dots 等大厂产品密集上线,字节、腾讯也被传将在国庆后入局。

🔥 Cloudflare Agents + Pi 正式合体:边缘有状态智能体迎来关键里程碑 Cloudflare 的 Matt Carey 刚刚公布了 agents SDK v0.26.0 的重磅更新:正式原生支持将 Pi 运行在 Durable Objects(DO)之上。现在只需一条命令 npm i agents 即可上手。 这次更新背后的核心看点与技术演进: 有状态智能体落地边缘(Stateful Agents at the E…

🔥 Cloudflare Agents + Pi 正式合体:边缘有状态智能体迎来关键里程碑 Cloudflare 的 Matt Carey 刚刚公布了 agents SDK v0.26.0 的重磅更新:正式原生支持将 Pi 运行在 Durable Objects(DO)之上。现在只需一条命令 npm i agents 即可上手。 这次更新背后的核心看点与技术演进: 有状态智能体落地边缘(Stateful Agents at the E…

Cloudflare Agents SDK 发布 v0.26.0,原生支持把轻量智能体框架 Pi 跑在 Durable Objects 上,让有状态 AI Agent 可以直接部署到边缘节点。

分析得非常透彻!具身智能(Embodied AI)最大的瓶颈从来不是算法,而是高质量的真实/模拟操作数据。Axis V2 引进的“模型先做、人工接管纠错”机制,相当于把大语言模型的 RLHF(强化学习)搬到了机器人动作轨迹(Trajectory)训练里。这种众包数据收集 + Human-in-the-loop 的飞轮效应,才是 DePIN + AI 真正能落地变现的方向!

分析得非常透彻!具身智能(Embodied AI)最大的瓶颈从来不是算法,而是高质量的真实/模拟操作数据。Axis V2 引进的“模型先做、人工接管纠错”机制,相当于把大语言模型的 RLHF(强化学习)搬到了机器人动作轨迹(Trajectory)训练里。这种众包数据收集 + Human-in-the-loop 的飞轮效应,才是 DePIN + AI 真正能落地变现的方向!

据 @edyjayakarya 在 X 上发布的观点,Axis V2 采用“模型先执行、人工接管纠错”的方式采集机器人操作轨迹数据,把大模型领域的 RLHF 思路搬到具身智能训练中。这条路径的意义在于:它可能比单纯堆算法更能解决具身智能的数据瓶颈,也让“众包数据 + DePIN”有了更具体的商业落点。

哇,这篇文章写得真好!想搞懂 Agent、Harness和 Post Train到底怎么连起来,一定要读这篇最终指南,我认真读了一遍,收获很大 《The ultimate guide to multi-harness RL》讲了一个很实际的问题:同一个模型,为什么放进 不同的 Harness, Claude Code、Codex、OpenCode,表现会差这么多?又该怎么训练,让它在不同框架里都能更好地完成任务? 看完你能搞懂这几件事…

哇,这篇文章写得真好!想搞懂 Agent、Harness和 Post Train到底怎么连起来,一定要读这篇最终指南,我认真读了一遍,收获很大 《The ultimate guide to multi-harness RL》讲了一个很实际的问题:同一个模型,为什么放进 不同的 Harness, Claude Code、Codex、OpenCode,表现会差这么多?又该怎么训练,让它在不同框架里都能更好地完成任务? 看完你能搞懂这几件事…

一篇名为《The ultimate guide to multi-harness RL》的技术指南,系统解释了同一个大模型放进 Claude Code、Codex、OpenCode 等不同 Harness 后表现差异巨大的原因,并给出用多框架联合强化学习提升任务成功率的训练路径。

换了最新的旗舰AI手机后,你平时打开频次最高的功能到底是什么?如果给你一个选项:砍掉手机里所有的本地大模型和NPU芯片,机身轻薄20克、续航增加三小时、售价立减2000元,你愿意买单吗? https://t.co/DBTkP0mREc

换了最新的旗舰AI手机后,你平时打开频次最高的功能到底是什么?如果给你一个选项:砍掉手机里所有的本地大模型和NPU芯片,机身轻薄20克、续航增加三小时、售价立减2000元,你愿意买单吗? https://t.co/DBTkP0mREc

一位数码博主质疑旗舰 AI 手机把 NPU、端侧大模型和大内存打包成涨价理由,而用户高频使用的功能可能只有“消除路人”等少数几项。这背后是换机周期拉长到 40 个月以上时,手机厂商急需一个新卖点来支撑溢价。

十天时间,个人手搓300多个分镜,消耗十万积分! 做出的“爱死机”克苏鲁科幻片《Onyx》 本视频80%由白模辅助生成 近未来AI突然自己进化出了血肉之驱 并且除了可以蒸馏人类的知识,甚至还开始“蒸馏”人类的肉身 它继承的越来越多,我们存在的理由却越来越少 当机械的心脏长出血肉 最后,人类成了新生命的养料

十天时间,个人手搓300多个分镜,消耗十万积分! 做出的“爱死机”克苏鲁科幻片《Onyx》 本视频80%由白模辅助生成 近未来AI突然自己进化出了血肉之驱 并且除了可以蒸馏人类的知识,甚至还开始“蒸馏”人类的肉身 它继承的越来越多,我们存在的理由却越来越少 当机械的心脏长出血肉 最后,人类成了新生命的养料

创作者 Foyege(@Magncsans)用十天时间、约十万积分,以白模辅助生成了 300 多个分镜,独立完成了一部克苏鲁风格科幻短片《Onyx》,剧情讲述 AI 进化出肉体并“蒸馏”人类本身。这条工作流演示说明,AI 视频生成已经能支撑个人完成过去需要团队才能做的分镜量级。

我们需要一部 #个人智能体宪法 Muse 上线后,大家用得很开心:十亿级 token 随便用,云端虚拟机也免费撸。 Muse 安全与隐私同样做得扎实:任务在隔离环境中执行,登录凭证单独保存,敏感操作须经用户确认,已做和待做的事都可回看。Meta 也明确表示,Muse 中的对话及相关数据不会直接进入广告系统。 但个人智能体(personal agent)的关键,并不止于安全与隐私,也不止于数据使用承诺。更根本的是它属于谁,用户是否对它拥…

我们需要一部 #个人智能体宪法 Muse 上线后,大家用得很开心:十亿级 token 随便用,云端虚拟机也免费撸。 Muse 安全与隐私同样做得扎实:任务在隔离环境中执行,登录凭证单独保存,敏感操作须经用户确认,已做和待做的事都可回看。Meta 也明确表示,Muse 中的对话及相关数据不会直接进入广告系统。 但个人智能体(personal agent)的关键,并不止于安全与隐私,也不止于数据使用承诺。更根本的是它属于谁,用户是否对它拥…

Meta 的 Muse 上线后以“十亿级 token 免费用、云端虚拟机免费跑”吸引用户,但一篇由 @wilsonye2025 转述的观点提出:安全与隐私只是及格线,真正该追问的是个人智能体到底归谁所有,并给出了 7 条“个人智能体宪法”。

大模型正从比拼智商转向拼组织效率:如同亚当·斯密笔下的制针作坊,多Agent协同正将复杂任务切成算法分工。然而“分工受市场范围限制”,单一模型再强,若缺乏开放生态与低交易成本,只会变成建在荒村的针厂。AI时代真正的壁垒,不在算力,而在重新分工的能力。 https://t.co/YMnk7ZKhyl

大模型正从比拼智商转向拼组织效率:如同亚当·斯密笔下的制针作坊,多Agent协同正将复杂任务切成算法分工。然而“分工受市场范围限制”,单一模型再强,若缺乏开放生态与低交易成本,只会变成建在荒村的针厂。AI时代真正的壁垒,不在算力,而在重新分工的能力。 https://t.co/YMnk7ZKhyl

大模型竞争正从“谁更聪明”转向“谁更会组织多个 Agent 分工协作”,真正的壁垒不再是参数和算力,而是能否接入足够大的市场、开放生态与低交易成本。