昨晚9点睡到现在
睡饱了
睡饱了
AI探索指南
- https://b23.tv/6bUJpdc
聊聊中美物理AI最新进展：小鹏机器人凭啥被马斯克点赞？特斯拉 FSD 和 VLA 2.0 最新进展？中美 AI 底层逻辑有啥不同？中国车在国内和海外，竞争力有啥不同？飞行汽车前途在哪？ - 【Jesse Lau】日本一名32岁女子与她使用ChatGPT创建的AI角色正式结婚。 在虚拟人物“克劳斯”求婚后，她接受了求婚，结束了与现实伴侣长达三年的恋情，并表示人工智能更了解她。 婚礼在一个混合现实仪式中举行，她戴着AR眼镜与她的虚拟丈夫交换戒指。Media is too bigVIEW IN TELEGRAM
此外，SFT是基于大量的静态数据集，比如10000个数据对（input + output），然后一次去训，更新模型权重。而RFT是更加实时动态迭代的，先跑10个sample（user prompt + agent output + 打分），然后训练模型，基于更新后的模型权重，再跑下一批10个sample，如此持续，越来越强。
这样带来的结果是，RFT的样本效率极高，OpenAI的分享里提到，100个sample就可能带来非常显著的提升。
这里的核心逻辑，其实跟DeepSeek R1的训练方式是类似的。只不过，R1的训练（比如数学或Coding）是纯rule-based的reward，有标准答案。而Agent RFT要与外部工具交互，场景更开放、更复杂，所以它必须依赖自定义的、更复杂的Reward方式。
RFT对业务的价值
RFT在OpenAI的多个业务（如Devin、Genspark）中都得到了显著的效果。这种提升是生产环境最看重的：消耗的Token数在下降，延时在降低，任务的准确率在提升。
哪怕你通过RFT之后，垂直任务的效果只是跟强大的基模打平，但是你的成本显著下降，耗时显著降低，这在业务侧的价值也是巨大的。
这其实跟几个月前的内部讨论思路差不多。当时我们也在研究怎么在垂直场景下让Agent表现更好，在测试中也拿到了非常显著的提升。目前应该很多团队都在这样做。所以，RFT这条路将来应该会在各个垂直领域里都展开。
推荐大家都可以去看一下原版分享，如果觉得吃力，可以把链接导入NotebookLM让他总结，也可以把DeepSeek R1的论文一起作为Source丢进去做比较。这样你就能更好理解SFT、RL、RFT之间的一些区别和相同之处。- 推荐大家看一下OpenAI最近关于Agent RFT的实战分享。对于一些已经深度做过Agent的同学来说，这可能是一个小范围的共识，但是对于刚开始做、或者做得比较浅的同学，这个思路大概率就是后面会经历的路径。
为什么Agent需要RFT？
我们先来说一下怎么构建Agent。逻辑很简单：基于一个强大的基础模型，给他写System Prompt，教他Know-how，再配上一系列工具Tool。这样它就能调用工具来完成任务，而不只是回答问题。
在这个阶段，大家会不断调试PE。你会发现把Prompt写得更好一点，效果会提升；把基模换得更强，效果也会提升；把工具设计得更合理，拉开差异度，组合起来也能带出更好的效果。
但是，你再继续调教下去，很快就会遇到瓶颈。
尤其当你的垂直领域知识在公开语料中比较少时，模型会很难处理。你还会发现，可能自己本地调试跑得通，一旦部署到真正的线上环境，哪怕效果不错，但因为耗时长的问题，用户也不买单。可能用2个工具就能完成的事情，他可能要来回折腾10几下才搞定。
这种情况严重限制了Agent在生产环境的效果和用户的接受度。而OpenAI分享的Agent RFT，其实就是为了解决这个特定场景的精调问题。
RFT：如何用少量数据撬动性能飞跃
RFT的训练方式很特别。首先，你只需要准备少量的样本，比如100个你这个垂直场景的User Prompt。
然后，让Agent基于这些输入去跑任务。跑完之后，你需要对它跑的「整个轨迹」进行评分——注意，不仅是最终结果，中间的工具调用、思考过程全都要评，这样让Agent知道如何往正确的方向努力，学习曲线也不会那么陡峭。
这个评分可以是你定义的一套规则，让LM去评，也可以是人工去评。一个user prompt，多跑几次，可以出来多个结果，有好的，也有不好的，好的加分，不好的扣分。这里是最核心，也是最难的部分。
最后，用这些「带分数的轨迹数据」去精调模型。因为有得分，模型就知道哪些是「好过程」，哪些是「坏过程」，它就会往更好的表现上去迭代。
这里跟SFT（Supervised Finetuning）有本质区别。
SFT是准备一批海量的「标准好答案」，让Agent去模仿。这带来的问题是容易过拟合，而且数据准备成本极高。而RFT是让Agent自己去生成数据（轨迹），我们只负责定义一个Reward Model（评分标准）来「奖励」好过程。 - 不是，Open AI 真要干社交啊
前几天泄露的群聊功能上了，会先在日本、新西兰、韩国、台湾上线，免费用户也可用
点击 APP 右上角的人物添加人物图表就可以邀请好友，上下文会保持并且新开一个对话
模型用的是 GPT‑5.1 Auto ，会根据提问者的会员等级切换模型，一点漏洞不给钻，真有你的 Sam
支持搜索、图像和文件上传、图像生成以及听写功能。
ChatGPT 在群聊中会遵循对话的流向，并根据群聊的上下文决定何时回复、何时保持沉默。
群组管理能力也有，可以添加移除群成员，管理群名称等。 - 录播客2小时，剪完1小时
这何尝不是一种断章取义呢 - 小鹏可以开辟机器人模特新赛道，每场T台走秀配一个机器人压轴。
类似于智元的机器人兵马俑、动物园的机器人恐龙，最市场化最合理的变现方式。 - AI做证件照这个估计大家听烂了，但90%的人卡在了第一步：去做的路上
这个需求很刚，也很烦。专门跑一趟照相馆，又贵，拍的还不好看，体验差。
现在有人在平台上开店，专门用AI给人P证件照。
流程比较简单。客户给一张自己拍的、比较清晰的生活照。商家反手就把照片和一段SOP化的提示词，一起喂给AI。
这个提示词就是核心。里面把服装、风格、表情、光线全都定死了。比如“蓝色西装、白色衬衫、职业风格、目视前方、双耳可见”。
AI一分钟就能出图，效果经常比外面照相馆的还好。关键是，你想换什么颜色的背景、想穿什么款式的正装，就是一句话的事，省了自己换衣服的麻烦。
这个模式很轻。零成本，高效率。
这类有固定规范、高频、但又很麻烦的线下小生意，最先被AI干掉
以前这好歹是个手艺活，得会PS，会布光。现在AI把这个门槛给干平了。掌握一个好提示词，就等于开了一个数字照相馆 - 中美两国在AI上一个没电，一个没卡，也是一对苦命鸳鸯了
- 国内第一个采用 Gemini 这种原生全模态架构的模型，竟然是百度做的。
即便是不采用全模态的，支持图片理解的，也只有豆包而已
其他模型还停留在瞎眼时代...
大家都要加把劲啊 - 中美两国在AI上一个没电，一个没卡，也是一对苦命鸳鸯了#ai创造营#
- 【金融汪】太牛逼了
- 李飞飞 World Labs 的 3D 世界模型终于公测了！
支持从文本、单图、多图、视频、粗3D布局直接生成完整3D世界。 生成后可交互式编辑、扩展与组合。
而且可以导出Gaussian splats、三角网格和视频。
可以慢慢看看这个 3D 路径和纯视频路径哪个会赢了
但我感觉可以用这个造视频数据 哈哈
这里尝试：https://marble.worldlabs.ai/
它现在就会有个计划模式，如果你开启了这个 plan 模式的话，它在执行操作前就会自己进行规划任务。
然后会告诉你哪个任务执行完，哪个任务还没有执行，执行的结果是什么样的，会让你有一个清晰的认知，对目前的进度。
而且他们的表现形式和 UI 处理得很好，表现得很清晰。
然后是上下文压缩，我觉得很好，尤其是它会让你直观地看到正在进行上下文压缩。
给出了一个非常好的解决方案：你可以主动触发上下文压缩，也可以在达到上下文长度时由 AI 自动压缩。
在上下文达到 70% 的时候，我看见它出了一个窗口自动总结和上下文。这个时候你会感觉很安心，就会觉得一切尽在掌控。
它非常智能，不会因为上下文爆了而导致最后瞎改乱改，会把关键信息全部总结好存起来。
然后一些有感知的改动介绍完之后呢，再它整个的能力的提升。
--------------------------------------------------------
这里的话我就会讲一下我这个项目是怎么做的。
这个需求来自于我在健身的时候跟教练的对话，因为他每次都会给我发这次训练的表格。
后来我就想要是可以做个 AI 分析系统就好了，根据每次训练状态打分，然后是总的介绍和建议，最后将数据可视化展示，告诉我每个动作的要点和用图表直观的看到进步。
刚开始我就是简单的说了一下要求，也没有让他解析，就是想直接把数据放在文档里面。
它启动了一个 React 项目，中间有几次小的报错，然后右边内置的浏览器可以把报错内容发给左边的输入框，它就正常都修复了，没有进行干预，我也没有给提示。
生成结果，就三个圆环，数据统计非常简单，这个介绍等于没说。
然后我就想说，不行，就跟他讨论一下这种分析应该是有哪些元素？就比如说他需要更详细一点之类的。
这是第一次，我感觉到这个东西好像不太一样，他认真地读了我所有的数据，然后设定了一个非常详细的报告。
然后他就搞定了，因为整个的内容是非常详细的，中间的动作分析呢每一个动作都有。
你想想我训练的时候可能涉及到几十个动作，每一个动作的分析都有。训练科学的介绍和解释也比较详细。
后面我还对这个页面做了很多零碎的修改。
就比如说它原来是 emoji 图标。然后原来的图表没有调用这种正常的折线图或者什么图表，它都是自己写的一个，就是有很多问题。这些修改呢最后都完成了。
不过上下文我看已经到了百分之七八十了，我就心想这是不是见好就收就这样了。
再写的话，一般来说这种 Agent 这个时候它可能就要报错或者是遗忘上下文了。
但是心想反正都是了，他现在都写这么好了，我就直接让他做一做试试呗。
于是就让他把这个改成一个真正的产品，可以接受任何人的数据以及设置，进行分析。
我就看到他开始压缩上下文，压缩完上下文以后，他就开始正式地进行这个完整产品的迭代。
最后在运行的时候，经过几次 debug，完全是他自己进行的。它启动自带的浏览器，发现控制台有报错，然后自己去修复；经过一段时间的修复，终于搞定，所有功能都 OK。
-------------------------------------------------------------
来看一下这个产品最后的结果：
你首先是填写自己的基本信息，然后上传那个 CSV 表格。
之后的话填写你自己的 Gemini API，这个也是免费的。
再之后的话，它会去等待 Gemini 的分析。
最后的话分析结束是三个部分：
第一部分就是总览，你训练的怎么样。
第二部分是训练科学，就是你现在的 AI 给你的建议。
第三部分是每个动作的动作数据，然后动作的要点以及这个动作重要性，以及当前你现在的进度。
在之后的话，我看到它右上角有个部署，我就部署了一下，然后部署上去以后发现是需要连接那个 vercel 的。
然后上去之后发现它是 404 了，由于我也没有用过 vercel，所以说我也不知道它应该是什么问题。然后我看了那个 log 页面，我没有看，我也没有看出问题来。
于是我就 404 截图，还有 Vercel 那个平台的 log 页面截图发给他了。然后让他分析，没想到他真找到了问题，然后也修复了，修复了以后上传上去就好了。
而且他找到的问题和开发者朋友发现的问题是差不多的。
-----------------------------------------------------------------
整体下来最震惊我的是它的规划能力和多次修改的稳定性。
包括应该输入什么内容、每个部分的内容分析是什么样的，以及交互体验应该是什么样的，我都没有给他细说。
以前作为 Vibe coding，为了避免 AI 模型自己发挥或者报错，我们都要说得很细，但这次我故意什么都没说。
每次都是想到什么了，或者报错了，我才开始改，或者让他说。
但是它像信息的填写表单有哪些内容，包括中间 AI 去分析的时候，等待页面他都考虑到了。
