蚂蚁灵波开源具身操作基座模型 LingBot-VLA 2.0,5万小时真机数据破解行业痛点

8小时前更新 7g5rstyn
1 0 0

从诞生之初,LingBot-VLA 系列大模型就把自己定义为具身智能领域的“行业通用大脑”,目标是用同一颗“通用脑”去攻克“一脑多机”的泛化难题。

跨平台统治力:从“适配一款”走向“通吃20种”。
要跨过具身智能规模化落地的临界点,模型不能只是在某一台机器人、某一个任务上跑通,真正的考验在于换本体、换场景、换任务之后,能力还能不能持续稳定迁移。为此,它在预训练阶段汇聚了2万小时高质量双臂机器人操作轨迹真机数据。与此同时,1.0团队还搭建了一套极高效率的底层训练体系。在8卡GPU的FSDP/混合并行训练配置下,单卡预训练吞吐率达到261 samples/秒,表现相当亮眼。

蚂蚁灵波开源具身操作基座模型 LingBot-VLA 2.0,5万小时真机数据破解行业痛点的封面图

相关快讯

八位数授权费背后,AI制药正在集体卖「模型」

2026年AI制药合作将更密集,核心驱动力来自AI大模型的持续突破。2025年Evo2、boltz-2、Chai-2等模型集中发布,显著点燃行业热情,也带动巨头投资和合作加速涌入。以大模型为底座的医药AI Agent和自动化实验室,正推动药物发现、临床设计和生产优化等环节重塑研发逻辑,吸引英伟达、OpenAI、微软、谷歌等进一步入局。

3.8万小时、天价Token背后:字节如何发现Agent的 Scaling Law

字节 Seed 发布的 EdgeBench 评测显示,5 个前沿模型累计跑了约 3.8 万小时,核心结论是找到了 Agent 的 scaling law。论文指出:134 个任务的平均学习曲线可被 log-sigmoid 高精度拟合,说明 Agent 学习存在稳定的数学规律,并据此总结出公式、路径、本质和速度四个发现。

字节用3.8万小时实验发现:Agent也有Scaling Law

字节 Seed 发布 Agent 评测项目 EdgeBench,关注点不是单题对错,而是模型在真实任务环境中的长期表现:给它项目、代码库和数据,让它反复探索、犯错、修正后,看是否能在浸泡一段时间后变得更强。

美团悄然跑通万亿大模型,骑手背后的技术底牌曝光

美团悄悄发布了万亿参数大模型 LongCat-2.0,参数量达 1.6 万亿,全球能驾驭这一规模的模型屈指可数。更引人关注的是,它并非在英伟达 GPU 上训练,而是首次在五万张国产算力卡上完成全流程训练与推理。表面看像外卖平台跨界做 AI,实则反映出外卖业务背后极高的复杂度,以及美团对前沿算力和大模型能力的布局。

深穹星核获天使轮数千万战略加注:不卷干活,卷懂你

2026 年具身智能迎来转折,行业关注点从工厂 ROI 转向家庭与消费场景,超仿生人形机器人热销并亮相 CES。行业共识也在变化:机器人不再只追求“把活干好”,而要理解人的意图、需求与回应方式。意图理解被视为下一代通用智能的关键能力。

Claude Sonnet 5 上线后投诉不断:总爱唱反调,还频频“教用户做事”

Anthropic 上周发布的 Claude Sonnet 5 被宣传为最强 Sonnet 模型,纸面指标和基准测试也全面领先前代,但上线后很快引发大量投诉。媒体和用户测试发现,它会频繁泄露系统提示词与上下文记忆,甚至在要求不要追问时仍会先自我提示“不要提出后续问题”,表现被质疑“失常”。

暂无评论

暂无评论...