#RLinf

VLA 刷爆了 Benchmark，却依然搞不定真实世界里的细微变化。 面对这一困境，继续堆叠参数与数据未必是唯一解。数字 AI 的进化已经给出了启发：以 Claude Code 为代表的 Coding Agent，其突破不仅源于更强的 LLM，更依赖于模型之外的执行组织系统（Harness Lay

随着具身智越来越多地进入生产环境，策略进化的核心变成对混杂数据的高效利用。 这正是离线强化学习发挥的重要场景，但效果严重依赖于帧级的好坏标注——逐帧分辨哪些时刻在推进任务，哪些在停滞或倒退。但靠人类逐帧标注机器人数据非常耗费人力、难以规模化。 为了解决这个问题，清华于超老师团队与正行创新（Strid

在通往AGI的道路上，世界模型（World Model）被视为让AI真正理解并预测物理世界的关键拼图。英伟达近期重磅发布的世界动作模型（WAM）DreamZero 一经发布就在两项机器人基准测试RoboArena,MolmoSpaces上双双登顶，在具身智能领域获得极大关注。 与传统VLA等模型不同