术语slug: zero-shot-generalization

零样本泛化

Zero-shot Generalization

模型在未见过的新场景或任务中直接执行的能力

收录情报动态

共 5 篇 · 第 1/1 页
机器之心 (微信公众号)T2·智能体与协同
86 分
自然意志发布 Natura-1:50B MoE 模型基于百万小时人类数据实现灵巧手零样本泛化

北京具身智能公司自然意志发布 50B 参数混合专家(MoE)模型 Natura-1,该模型在 100 万小时第一人称视角人类经验数据上完成预训练。Natura-1 以语言和视觉为输入,能在 100 毫秒控制回路内驱动 20 自由度灵巧手,成功演示了包馄饨等复杂柔性物体操作,并重点验证了在未见任务上的零样本泛化能力。

MIT Technology ReviewT2·智能体与协同
68 分
MIT Tech Review 深度复盘:人形机器人演示惊艳但落地艰难,AI 突破难改生活现状

文章指出尽管特斯拉 Optimus 等人形机器人在视频演示中展现了令人惊叹的平衡与操作能力,但其实际部署仍面临巨大挑战。核心观点认为当前 AI 技术尚未跨越从“实验室演示”到“真实世界自主导航”的鸿沟,短期内难以实质性改变人类生活方式。

Qwen 官方博客 (通义)T1·智能体与协同
84 分
Qwen-RobotNav 发布:统一五类导航任务,实现智能体驱动零样本泛化

阿里通义千问团队推出 Qwen-RobotNav,基于 Qwen3-VL 构建的规模化通用导航模型。该模型通过参数化接口统一管理视觉上下文,在单一权重下同时达成 VLN、目标搜索、跟踪、自动驾驶及具身问答(EQA)五大领域的 SOTA,并支持无需重训即可适配任意推理配置的智能体系统部署。