PhiZero 開創了「物理語言」,使人工智慧的世界模型能夠像人類一樣思考
在當今大型模型的格局中,影片生成日益被視為具身智慧的基礎模擬器。然而,大多數主流方法依賴於直接的像素空間預測,這往往導致物理定律不穩定或不一致。為解決這項關鍵的產業挑戰,我們的研究團隊正式推出了 PhiZero ——一個嶄新的物理世界模型。 PhiZero 突破了傳統的盲預測框架,創新性地融入「物理語言」,使人工智慧能在影片生成之前進行明確的物理推理。
PhiZero 的核心在於引入了一種稱為「物理語言」的離散表示法。透過在龐大的戶外影片資料集上進行自監督學習,這種語言能提取狀態轉換模式,並捕捉跨多種視覺情境的動態演化規則。 藉此,該模型採用「先推理、後渲染」的架構:首先在物理語言空間內自主推斷未來世界演化軌跡,隨後將其傳遞給專用的擴散解碼器以進行高解析度影片合成。這種將底層動態模擬與像素級合成分離的做法,顯著提升了物理一致性。

從技術層面來看,該系統由兩個關鍵模組組成:分詞器與推理器。物理語言分詞器採用過渡層級的 Q-Former,用以捕捉相鄰狀態之間的變化,並透過有限的標量量化生成緊湊的離散符號。隨後,擴散解碼器會根據初始幀與這些離散符號,重建詳細的視覺影像。 與此同時,物理語言推理器以預訓練的視覺語言模型為初始化基礎,能根據首幀影像及基於文字的動作意圖,精確預測未來的物理語言序列。

基準測試結果證實,PhiZero 在多項物理推理與影片生成測試中均達到最先進水準,包括 Physics-IQ Verified、PhyGround 及 WorldModelBench。無論是處理碰撞引起的物體位移、重力驅動的變形,還是複雜的連鎖反應,該模型均展現出高度逼真的物理合理性。
隨著具身智能與機器人技術的加速發展,PhiZero 的問世為可控且互動的世界建模開闢了一條新路徑。它勢將在長期模擬與動作轉移情境中發揮關鍵作用。
相關文章
梁文峰談開源:6倍利潤無需加班,100倍收益與開源掛鉤
在近期 DeepSeek 投資者交流會議內部討論洩露後,創始人梁文鋒闡明瞭其開源策略背後的戰略考量。他明確表示:“我們肯定會開源,包括我們最強大的模型”,並指出將專有模型保持封閉並沒有帶來任何明顯的優勢。這是他首次從財務角度闡述開源舉措與商業成功之間的聯絡。開源可保留 6 倍回報,但可能限制 100 倍的上漲空間梁文鋒勾勒出一個清晰的財務框架:投資回收期為十個月,收益率約為初始利潤的六倍,開源並未擾亂其核心商業模式。然而,追求 100 倍的回報可能會因開源而受阻,因為競爭對手可能以五分之一的成本
如何修復常見的Android電池耗電問題?
您的智慧手機不斷出現故障。螢幕毫無預警地破裂。電池續航一夜之間消失殆盡。充電功能完全失效。音訊突然中斷。維修費用迅速累積。自己動手修復(DIY)可以處理大多數問題,無需聘請技術人員。具備基礎知識並擁有合適的工具即可完成修復。在開始之前確定問題所在切勿猜測裝置出了什麼故障。正確的診斷可以節省時間和金錢。軟體故障經常模仿硬體故障。手機執行緩慢可能只需要重啟,而非昂貴的維修。您的第一步決定了整個維修過程。電池耗電快源於多種原因。後臺應用持續消耗電量。軟體漏洞會增加使用量。硬體故障可能是真正的罪魁禍首。
TikTok推出可驗證的權利保護機制,以應對AI合成的冒充行為
9月17日,抖音上線“聲音模仿”專屬舉報通道,並升級權益保護機制,以應對由AI生成工具普及所催生的新需求。隨著AI生成與聲音克隆門檻的降低,模仿名人與配音演員的行為日益普遍。平臺資料顯示,涉及聲音侵權的舉報量較上月同期翻倍,聲音權益保護已成為生成式AI應用治理的關鍵議題。為此,抖音在“權益侵權”項下新增“聲音模仿”專屬渠道,引入可驗證證據提交與雙向申訴流程。此舉構建了從內容創作到最終判定的完整閉環,顯著提升了透明度。技術層面,抖音持續最佳化聲紋識別與驗證技術,構建涵蓋影象與聲音的全方位人格權保護體
相關專題推薦
評論 (0)
0/500
在當今大型模型的格局中,影片生成日益被視為具身智慧的基礎模擬器。然而,大多數主流方法依賴於直接的像素空間預測,這往往導致物理定律不穩定或不一致。為解決這項關鍵的產業挑戰,我們的研究團隊正式推出了

從技術層面來看,該系統由兩個關鍵模組組成:分詞器與推理器。物理語言分詞器採用過渡層級的 Q-Former,用以捕捉相鄰狀態之間的變化,並透過有限的標量量化生成緊湊的離散符號。隨後,擴散解碼器會根據初始幀與這些離散符號,重建詳細的視覺影像。 與此同時,物理語言推理器以預訓練的視覺語言模型為初始化基礎,能根據首幀影像及基於文字的動作意圖,精確預測未來的物理語言序列。

基準測試結果證實
隨著具身智能與機器人技術的加速發展,
梁文峰談開源:6倍利潤無需加班,100倍收益與開源掛鉤
在近期 DeepSeek 投資者交流會議內部討論洩露後,創始人梁文鋒闡明瞭其開源策略背後的戰略考量。他明確表示:“我們肯定會開源,包括我們最強大的模型”,並指出將專有模型保持封閉並沒有帶來任何明顯的優勢。這是他首次從財務角度闡述開源舉措與商業成功之間的聯絡。開源可保留 6 倍回報,但可能限制 100 倍的上漲空間梁文鋒勾勒出一個清晰的財務框架:投資回收期為十個月,收益率約為初始利潤的六倍,開源並未擾亂其核心商業模式。然而,追求 100 倍的回報可能會因開源而受阻,因為競爭對手可能以五分之一的成本
如何修復常見的Android電池耗電問題?
您的智慧手機不斷出現故障。螢幕毫無預警地破裂。電池續航一夜之間消失殆盡。充電功能完全失效。音訊突然中斷。維修費用迅速累積。自己動手修復(DIY)可以處理大多數問題,無需聘請技術人員。具備基礎知識並擁有合適的工具即可完成修復。在開始之前確定問題所在切勿猜測裝置出了什麼故障。正確的診斷可以節省時間和金錢。軟體故障經常模仿硬體故障。手機執行緩慢可能只需要重啟,而非昂貴的維修。您的第一步決定了整個維修過程。電池耗電快源於多種原因。後臺應用持續消耗電量。軟體漏洞會增加使用量。硬體故障可能是真正的罪魁禍首。
TikTok推出可驗證的權利保護機制,以應對AI合成的冒充行為
9月17日,抖音上線“聲音模仿”專屬舉報通道,並升級權益保護機制,以應對由AI生成工具普及所催生的新需求。隨著AI生成與聲音克隆門檻的降低,模仿名人與配音演員的行為日益普遍。平臺資料顯示,涉及聲音侵權的舉報量較上月同期翻倍,聲音權益保護已成為生成式AI應用治理的關鍵議題。為此,抖音在“權益侵權”項下新增“聲音模仿”專屬渠道,引入可驗證證據提交與雙向申訴流程。此舉構建了從內容創作到最終判定的完整閉環,顯著提升了透明度。技術層面,抖音持續最佳化聲紋識別與驗證技術,構建涵蓋影象與聲音的全方位人格權保護體





首頁






