中俄議會合作委員會第十次會議第二階段會議在北京舉行
2025-11-14 23:50 3,845次浏览8月11日電(記者 石睿 吳家駒)今年以來，人形機器人半程馬拉松、機器人足球世界盃、機甲格鬥擂臺賽等多項機器人競技運動比賽輪番登場，大家紛紛好奇，究竟還有什麼運動是機器人做不到的？ 「某種意義上，目前人類的各種運動動作機器人都能做。不過，要讓機器人跑得非常快、跳得特別高，會受到硬體限制，完成這些高難度的動作還是非常有挑戰的一件事情。」近日，宇樹科技創始人、執行長兼首席技術官王興興在接受記者採訪時這樣介紹。 發展機器人的最終目標：真正去幹活 2025年春晚上，一段機器人扭秧歌的表演讓人形機器人出了圈。王興興表示，上半年整個機器人行情非常火爆，從需求端拉動了整個行業發展，包括整機廠商、零部件廠商在內的很多機器人企業都在迅猛增長。 不過，目前大部分人形機器人仍處於才藝展示階段，跳舞、功夫、運動樣樣行，未能真正走進人們的日常生活。 對此，王興興向記者解釋，很多技術的進步需要一些時間，一步到位讓機器人去家裡或工廠大規模、有實際價值地工作勞動，當下還不太現實。在這個時間點，我們用AI(人工智慧)技術，讓機器人做些運動、表演，反而是更容易落地的一些場景。 「就像電腦剛剛出現的時期，對於普通人來說可能用途有限，沒有圖形界面，也沒有word，很多情況下，要有電腦先出來，有一些開發者在上面開發更多軟體，過幾年軟體功能越來越多了以後，電腦就真正走入了大眾生活。」 視頻：王興興：普通人用上人形機器人，還需要時間來源：中國新聞網 王興興強調，整個行業的目標還是希望機器人真正去幹活，真正去解放生產力、提高生產。從時間上看，可能2-3年會有明顯的技術進步，大概率不超過十年就可以實現這個目標。 最快一兩年，機器人將迎來「ChatGPT時刻」 那麼，限制人形機器人大規模應用的技術瓶頸是什麼呢？ 他分析，很多人可能會懷疑是不是硬體不夠好或者成本比較高，從技術層面或者純AI的角度來說，目前的硬體完全夠用，當然還不夠好，要持續進步，而最大的技術挑戰是具身智能AI不夠用。 「現在機器人發展的階段類似於ChatGPT出現前，大語言模型已經做了很長時間，但是大家覺得模型很『傻瓜』，很難在實際中應用。」王興興認為，快的話未來一兩年、慢的話三到五年就會達到了機器人的「ChatGPT時刻」。 他進一步分析，與語言模型領域不同，具身智能AI最大的問題是模型問題而不是數據問題。語言模型領域是純數據驅動，但在機器人領域，無論用什麼方法去採集數據，放到機器人上跟實物的偏差還是較大，效果不是很理想。 「未來2-5年，大家可以多關注多推動端到端的具身智能AI模型，這是很重要的，此外，更低成本更高壽命的硬體也是機器人發展的關鍵。」王興興相信，如果有更大的技術突破，未來幾年，全球機器人出貨量翻一番還是可預期的。(完)
天津8月14日電(記者 孫玲玲)記者13日從南開大學獲悉，近日，南開大學計算機學院媒體計算實驗室取得最新研究成果，不僅從評估的角度揭示了現有AI檢測方法的性能不足，並創新性地提出了「直接差異學習」(Direct Discrepancy Learning，DDL)優化策略，教會AI用「火眼金睛」辨別人機不同，實現AI檢測性能的巨大突破。相關成果論文已被計算機多媒體領域國際頂級會議ACM MM2025(ACM International Conference on Multimedia)接收。 圖為南開大學研究團隊提出的DetectAnyLLM檢測框架以及MIRAGE基準數據集亮點全析。(南開大學 供圖) 近日，OpenAI發布新一代人工智慧模型GPT-5，再次引發全球關注。隨著DeepSeek、ChatGPT、通義千問、豆包等AIGC大模型逐漸從「新奇玩具」變成學習、工作中不可或缺的「生產力工具」，其伴生問題也日益凸顯：AI經常會「一本正經地胡說八道」，生成看似合理的虛假信息，造成「AI幻覺」；依賴AI工具代寫作業甚至畢業論文，極大衝擊著學術誠信和規範；論文AI率檢測系統有待完善，論文被誤判的問題時有發生……如何精準識別AI生成內容，成為亟待解決的熱點問題。 據了解，目前AI生成內容檢測主要有兩種路線，一種是「基於訓練的檢測方法」，使用特定數據訓練一個專用的分類模型；另一種是「零樣本檢測方法」，直接使用一個預訓練的語言模型並設計某種分類標準進行分類。 圖為AI生成內容檢測示意圖。(南開大學 供圖) 多項研究表明，現有檢測方法在應對複雜的現實場景時常顯不足。此前也曾有權威媒體報導，《荷塘月色》《流浪地球》等經典作品被某常用論文AI率檢測系統檢出高AI率。 為何現有的AI檢測工具會「誤判」？論文第一作者、南開大學計算機學院計算機科學卓越班2023級本科生付嘉晨解釋道：「如果把AI文本檢測比作一場考試，檢測器的訓練數據等同於日常練習題，現有檢測方法是機械刷題、死記硬背答題的固定套路，難以學會答題邏輯，一旦遇到全新難題，準確率就會顯著下降。」 「要想實現通用檢測，理論上需收集所有大模型的數據進行訓練，但在大模型迭代飛速的今天幾乎不可能。」付嘉晨說，讓檢測器真正學會舉一反三，即提升檢測器的泛化性能，是提升AI文本檢測性能的關鍵。 為此，研究團隊提出了DDL方法另闢蹊徑，通過直接優化模型預測的文本條件概率差異與人為設定的目標值之間的差距，幫助模型學習AI文本檢測的內在知識，可以精準捕捉人機文本間的深層語義差異，從而大幅提升檢測器的泛化能力與魯棒性。 「使用DDL訓練得到的檢測器如同有了『火眼金睛』，即便只『學習』過DeepSeek-R1的文本，也能精準識別像GPT-5這樣最新大模型生成的內容。」付嘉晨說。 團隊還提出了一個全面的測試基準數據集MIRAGE，使用13種主流的商用大模型(如豆包、DeepSeek、Kimi等)以及4種先進的開源大模型(如Qwen等)，從AI生成、潤色、重寫三個角度構造了接近十萬條人類-AI文本對。 「MIRAGE是目前唯一聚焦於對商用大語言模型檢測的基準數據集。直觀地說，之前的基準數據集是由少而且能力簡單的大模型命題出卷，而MIRAGE是17個能力強大的大模型聯合命題，形成一套高難度、又有代表性的檢測試卷。」論文通訊作者、南開大學計算機學院副教授郭春樂說。 在MIRAGE的測試結果顯示，現有檢測器的準確率從在簡單數據集上的90%驟降至約60%；而使用DDL訓練的檢測器仍保持85%以上的準確率。與史丹福大學提出的DetectGPT相比，性能相對提升71.62%；與馬裡蘭大學、卡內基梅隆大學等共同提出的Binoculars方法相比，性能相對提升68.03%。 「AIGC發展日新月異，我們將持續迭代升級評估基準和技術，致力於實現更快、更準、更低成本的AI生成文本檢測，以AI之力，讓每一篇成果更出彩。」研究團隊負責人、南開大學計算機學院教授李重儀說。(完)
免责声明：本文内容与数据仅供参考，不构成投资建议，使用前请核实。据此操作，风险自担。
香蕉直播
「活动」首次登录送新手大礼包
- 软件大小: 238.68MB
- 最后更新: 2025-11-14 23:50
- 最新版本: v14.14.14.3
- 文件格式: apk
- 应用分类:ios-Android 比心直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 7.16以上
客服热线：138-2671-3215
香蕉直播类似软件
猜你喜欢
32719
13764
35
2025-11-14 23:50
23478
13
2025-11-14 23:50
43579
95
2025-11-14 23:50
97854
54
2025-11-14 23:50
91673
92
2025-11-14 23:50
74926
17
2025-11-14 23:50
59687
59
2025-11-14 23:50
52946
75
2025-11-14 23:50
78259
54
2025-11-14 23:50
42637
83
2025-11-14 23:50
43918
31
2025-11-14 23:50
87
89574
57123
19538
67
91
52
15394
71285
25
13
47
65
39