结果上，它在多项 2D/3D 具身推理基准上取得领先（8B 规模对齐甚至超越更大模型），在模拟器与真实平台上把“语义正确”进一步落实为“可执行的动作”，Mobile Placement/Approach/Go 等原子—复合任务链条也得到验证。面向实际应用，OmniEVA 的按需 3D 与具身约束范式，为“长时序、多约束、端到端”的机器人任务提供了一条可复制的工程路径。通过这套“任务+具身”的强化微

英伟达研究团队提出了一份全面报告，详细介绍了如何使用剪枝和蒸馏技术将Llama 3.1 8B和Mistral NeMo 12B模型分别压缩至4B和8B参数。他们探索了两种不同的剪枝策略：深度剪枝和联合隐藏/注意力/MLP（宽度）剪枝。研究人员使用LM Evaluation Harness中的常用基准测试对压缩结果进行了评估。这些模型通过NeMo Aligner进行对齐，并在指令调优版本中进行了测试

端到端自动驾驶范式以优化规划为目标，将感知、规划和轨迹评分任务整合成一个统一的模型，在推动自动驾驶技术方面显示出巨大的潜力（见图1a）。其中，基于模仿学习的运动规划器是从大规模的驾驶专家数据中学习驾驶策略，并采用基于学习的轨迹评分器从多个预测候选轨迹中选择最安全和最准确的轨迹来控制车辆。然而，现有的规划器和评分器面临的挑战是：●生成时间不一致的轨迹，其中连续的预测在时间上是不稳定和不一致的；●以及

©️【深蓝AI】编译该成果已被IEEE RAL收录论文题目：IntNet: A Communication-Driven Multi-Agent Reinforcement Learning Framework for Cooperative Autonomous Driving论文作者：Leandro Parada; Kevin Yu; Panagiotis Angeloudis论文地址：htt

本文选自中国自动化学会模式识别与机器智能专委会通讯的文稿，作者是微软亚洲研究院视觉计算组研究员胡瀚。胡瀚，微软亚洲研究院视觉计算组研究员，于2014年和2008年在清华大学自动化系分别获得博士和本科学位，博士论文获得中国人工智能学会优博奖，博士期间曾在宾夕法尼亚大学访学，毕业后曾在百度研究院深度学习实验室工作。担任CVPR 2021/2022领域主席。目前主要研究兴趣是基本视觉建模，视觉自监督学习

全双工语音大模型：纯语音与多模态之争！

您是否通过深度学习模型获得了良好的准确性，却发现推理时间不足以部署到生产环境中？您是否对如何优化模型的推理速度迷失了方向？那么这篇文章是给你的。众所周知，数据科学项目有一个奇特的特性，即项目者需要不断转换关注重点，根据业务或项目的不同需求。下面罗列了一些具体的关注点：数据集是如何获取的？是否是自己创建的数据集？（如果是自己的数据集，那么准确的标签是什么？任务中需要使用的样本需要多少？）如何将模型充

转载自公众号【谈人工智能】，转载请联系授权语音交互是指人与人、人与设备之间，通过自然语音进行信息传递的过程。人与人之间通过语音来传递信息、交流感情等等，其实就是一种最基本的人与人之间的语音交互。为什么VUI这个概念（Voice User Interface）在最近几年又变得的火起来了呢？因为人们发现除了人与人之间可以通过语音来交互之外，已经可以慢慢地对一些智能设备（如手机、智能音箱、车载系统等），

这款模型以70亿和320亿参数的两种规格，实现了感知、推理与规划能力的统一，在空间理解、时间决策等核心任务上超越了现有开源与专有模型，为通用具身智能体的发展奠定了里程碑式的基础。未来，随着与Vision-Language-Action（VLA）框架的融合以及机器人操作系统的深度集成，RoboBrain 2.0有望实现"感知-推理-行动"的端到端闭环，让机器人真正理解物理世界的规则，在家庭、工厂、社

这款模型以70亿和320亿参数的两种规格，实现了感知、推理与规划能力的统一，在空间理解、时间决策等核心任务上超越了现有开源与专有模型，为通用具身智能体的发展奠定了里程碑式的基础。未来，随着与Vision-Language-Action（VLA）框架的融合以及机器人操作系统的深度集成，RoboBrain 2.0有望实现"感知-推理-行动"的端到端闭环，让机器人真正理解物理世界的规则，在家庭、工厂、社