（来源：上观新闻）
具体架构要素：💫 编码器👩🎨 E_θ：V👏🍿iT-L/H/g🎟（300M🤙–1B🇲🇹🍍 参数），把视📃频切成 2👨🎓🤩×16×16 🔏的 tubel🇺🇬🌧et 预测器 P🇬🇧_φ：一🇵🇪🙍个轻量 ViT🧡-S（约 🇧🇬22M）预测被 ⛎😽mask👨⚖️🛩 部分的潜空间⛷🎚表征 使用 3👆D-RoP🇬🇳👨🦲E 位置🏕编码（🔄时间+H+W🧪） 约 90🧺🇪🇺% 的高 ma🙋🐶sk 🌮比率，L1🐢 损失，EM📚A teach📢er 防止表征坍⚙塌 训练数🇸🇴据 V🏑ideo😔Mix22M 😒= 22🕒00 万视频 ≈🔺 100 万🇵🇷🎬小时互🅱🔭联网视频 在 S🙇omethin🕟g-So😔met😪🌌hing v2🧓 取得 🏍77.3🇸🇴% t☀op-1（运动理😊解），Epic🔛🗂国产97在线 | 中文-Kitchen🎤s-100 动🌌作预测🍍 39💟🆙.7 R@5🇨🇽♐（SOTA） 为🍏🤞什么像🐬素重建不适合🔦碰撞预测，而潜空🥖🚜间预测适合🖕🍖？像素重建优化的🎊🍐是"下一帧⛑长什么样🚤🕠"（视觉保真度🛳🌱），潜空间预测优😀💸化的是"下一帧🇳🇦👨🦲的抽象语义🤗/物理状态"（⛑物理因果）🇧🇳🕺。
具体来说🏄♀️💩。本届赛事首🍗次实现人形🇫🇯机器人自🔨🌇主导航技术规模化🌹应用，让机器人🧑不再依🚈🇷🇺赖遥控器和💦操作员，👩🔧🏖国产97在线 | 中文真正自己⏸👩💻“看路、决定🏄♀️🧠怎么跑”🧗♂️。技术底座是它石智🇼🇸🈹航自研的A🇳🇬WE3.0——⚗🇰🇷AI Wo🍒⛲rld🇵🇸🈷 Engin🤸♀️📇e，一个基于🇱🇷超十万小时🎳🇧🇸Huma😌🈳n Cen🇺🇦🇸🇰tric数据训🤫🏴☠️练的具身🇸🇴世界模型，🎫是一个真正意义⏮🍳上以"在真实🇦🇲🇧🇼世界完成任务"为👼目标训练的世界模🍈🇦🇺型🇲🇹🚰。
核心零部👩🦱🕙件上，我们🔻现在虽然💖🇿🇼做得足够好😓，但未来还有🚫继续提升⛲的空间，比如🇨🇷🙈把一些新↔材料引入进来，让🥳它能够更轻🌊🍅量化，更轻柔、更🥒🇬🇸亲和地跟😹🇸🇯人深度交互🎪♨。LeCun 转发🇾🇹🔩后回复的态度很🎒明确：别信🤓🖲他的，他就👨👨👦是想要卖 🌼📡AI🆘💼。在这个话题上，别3️⃣听他的，别🇹🇷听 Sam，别🐿听 Y♈🌑oshua，🇮🇪🤽♀️别听 ➖Geoff🌚，也别听我的🛋。
