（来源：上观新闻）
晚点：在你🈶🌠看来，为什么多数🏪👨🏫人不愿意🖖🇪🇨去思考事物本🐻质？ 俞浩：人都🌼喜欢即时反🤰🐕馈🇨🇭。俞浩：因为🧖♀️那时候大家最💏抛不下的是🇧🇮清华的🇦🇮🧱身份✂。海外营🎓收增长近⏏🏃♀️50%，Ti🇩🇯kTok S🎷hop GMV增🇧🇲◽长近70%🇧🇴。能力正从隐藏🕳的权重📞、有限🙏💁♂️的上下文，🉐一路向外迁移到🇷🇺记忆、技🌴🎾能、协👳议与Harnes🔗🦉s之中🇭🇺。这么轻🐠这么小，如果👪🤼♀️性能再强🎣🎎点🍶。
我认为今🌋天需要的，是把🚧🚴物理学📂和商业世界结🇨🇬🔉456视频了合，建立新的知识🔜🔂体系🔝🏢。“上大❕⏫舞台、📋🥬干大事业” 意味🚶♀️着要握有更🗳多资源9️⃣。这意味着，🥗🚈具身智能企业开始🇵🇳向工厂兜售🐹「柔性」和♌⛲456视频了「复用」🎽的故事🇧🇯💇♂️。根据目前已上市🇸🇷的大模型公司🐐🐜来计算估值，7️⃣💂♀️DeepS☣🈲eek的目标估值🚜🎺100亿美元🔄🥭并不高，甚至低🎽🈶456视频了于智谱、🛬👝MiniMa📮x和Kimi任🏉意一家😥🇲🇷。因为你给🦔不出那个位置、请♒🇰🇾不起最好的👍🥠明星🕹。具体架构要素🇱🇺😰： 编码器 E_🔼🕦θ：ViT💷-L/H/g（3🕍🇱🇸00M–♐1B 参数），🐧把视频🏗🤢切成 2×1💑6×16 的 t👊🇺🇳ubelet 📝🇸🇿预测器 P_🔧φ：一‼个轻量 ViT-😃S（约 22🐩M）预测被 ma🥫sk 部分的潜空➕间表征 使用🇦🇩🔟456视频了 3D-R👎🔸oPE 位置编🚴♀️码（时间+🇮🇪🇨🇵H+W） 约 🇦🇶90% 的高 🧬🔞mask🛂 比率，L1👖🦂 损失，EMA 🌉♟️teach💕😻er 防止表征坍🏌🇬🇫塌 训练数据 V🎹ideoMi😳x22M = 🔙220📬0 万视频 ≈ 🏆100 万🐶🌱小时互联📝网视频 在 S💱omethin🧰g-Some🧣🇲🇪thing v👩⚖️2 取得 77🎠.3%🇻🇦🇵🇾 to🐵👨👧p-1🇵🇷（运动理解），E💫pic🍾-Kitch😗ens-🧜♂️100 动👠👿作预测 39.🍠🍴7 R@5（S☀OTA👩🏫🔱） 为💡什么像素重🚾建不适合碰撞预😁🇨🇻测，而🇰🇮潜空间预🐌👛测适合？像素重建📵🦙优化的👩❤️👩是"下一👦帧长什么📤♥样"（👩🦳🚋视觉保真度🇹🇨），潜空🥧🙉间预测优化的是"🏪🛃下一帧🔱⏏的抽象语义🚛🤹♂️/物理🔯🥨状态"（👨📀物理因果🥞）👈。
