2026年3月26日科技动态日报

Gemini 3.1 Flash Live is rolling out now in Gemini Live in the @GeminiApp and @Google Search Live.

【标题】 Gemini 3.1 Flash Live 正式上线 Gemini Live 与 Google 搜索实时模式 Gemini 3.1 Flash Live 现已面向 @GeminiApp 中的 Gemini Live 及 @Google Search Live 全量推送。 开发者可立即前往 @GoogleAIStudio 开始构建应用。 了解更多 → https://t.co/djIA0CcJA4 https://t.co/lWoFY02kQN

为什么值得关注：分析 对话上下文和主题 该动态是GoogleDeepMind对Gemini 3.1 Flash Live功能的进一步说明，重点在于其音频与语音处理能力的提升。回复内容强调了模型在嘈杂环境中的任务完成能力、长对话理解能力，以及开发者可通过Google AI Studio进行集成。配图数据展示了其在音频推理、复杂任务处理等...

查看原始来源

Gemini 3.1 Flash在嘈杂环境与长对话中表现更优

🔵 在嘈杂环境中，任务完成能力更强，细节理解更精准。 🔵 可持续跟踪长对话，无需重复说明。https://t.co/WsxCQNDqwB

为什么值得关注：分析 对话上下文和主题 该动态是GoogleDeepMind对Gemini 3.1 Flash Live音频模型的进一步解读，重点突出其在嘈杂环境中的任务完成能力、细节理解能力以及长对话支持。配图通过多项测试数据（如ComplexFuncBench、Big Bench Audio等）展示了其性能优势，尤其是与前代Gem...

查看原始来源

LeWorldModel：杨立昆用SIGReg实现世界模型的极简突破

LeWorldModel：杨立昆（Yann LeCun）对世界模型（World Models）的激进简化，让具备物理感知能力的AI真正走向实用 在通往通用人工智能（AGI）的竞赛中，两条路径已然浮现。其一是人们熟知的“全面扩大规模”路线：训练参数量更大、文本语料更庞大的大语言模型（LLM）。另一条路径则由杨立昆多年倡导——构建“世界模型”：一类紧凑型系统，能直接从原始感官数据（如像素）中学习现实世界的底层物理规律，从而使AI像机器人或自动驾驶汽车那样，在物理世界中进行规划、预测与行动。 然而，迄今为止，第二条路径始终令人沮丧地难以推进。联合嵌入预测架构（JEPAs）——杨立昆提出的优雅框架，旨在无需逐像素重建即可学习预测性表征——却总在训练中崩溃。研究人员不得不依赖一长串“补丁式技巧”：多分量损失函数（最多含六个超参数）、冻结预训练编码器、停止梯度（stop-gradients）、指数滑动平均（exponential moving averages），以及其他各种“胶带式”工程手段，只为防止模型将所有输入映射到同一个无意义输出。 杨立昆团队（来自蒙特利尔学习算法研究所 Mila、纽约大学 NYU、三星人工智能实验室 SAIL 以及布朗大学 Brown University）发布了一项重磅成果： **LeWorldModel（LeWM）**——首个可稳定端到端训练的JEPA，仅需两个损失项，即能直接从原始像素开始训练。再无需摇摇欲坠的“纸牌屋式”工程；取而代之的是一套干净、简洁、切实可行的方案：单块GPU、数小时训练时间、仅1500万参数即可完成。 **核心突破：SIGReg力挽狂澜** LeWorldModel 的秘密武器，是一种名为 **SIGReg**（Spherical Isotropic Gaussian Regularizer，球面各向同性高斯正则器）的新型正则项。它强制隐空间（latent embeddings）服从一个简单的高斯分布。 仅靠这一项，便彻底杜绝了表征坍缩（representation collapse），且完全无需此前任何启发式技巧。 当前训练目标仅含两部分： 1. **下一隐状态预测损失（Next-embedding prediction loss）**——模型预测下一个隐状态应为何值； 2. **SIGReg**——确保隐空间结构良好、分布多样。 仅此而已。超参数数量从六个锐减至一个；训练变得稳定、可复现，且成本大幅降低。 该模型直接从原始视频帧学习（无需预训练视觉编码器），生成一个紧凑的隐式世界模型，可用于高速规划。 **真实基准测试中的惊艳表现** 尽管体量极小，LeWorldModel 的性能却远超其规模所限： - 单块GPU上数小时内即可完成训练； - 规划动作速度比基于基础模型（foundation-model-based）的世界模型快达48倍； - 所用token数量约为其他方案的1/200； - 在多种2D与3D控制任务（如物体操控、导航）中，性能媲美甚至超越参数量大得多的模型； - 其隐空间明确编码了有意义的物理量（如位置、速度等）——已通过直接探针分析（direct probing）证实； - 能稳定识别物理上不可能发生的“意外事件”，展现出真实的因果理解能力。 尤为关键的是：添加解码器及重建损失（reconstruction loss）反而会损害下游控制任务的表现。纯粹的JEPA目标本身已完整捕获规划所需的一切信息；额外的视觉细节只会干扰决策。 项目官网：https://t.co/KhGR9LiIQZ 官方代码：https://t.co/s1lI9kevJS **这对AI未来意味着什么？** 自2022年起，杨立昆便反复强调：世界模型（而非下一个词预测器）才是通向真正智能的关键。批评者始终以“训练不稳定”为由质疑其可行性。而LeWorldModel 以极致的简洁性，一举消除了这一根本性质疑。 这是一次哲学层面的重置：AI可以像婴儿一样学习物理——通过观察世界自然展开的过程——而无需超级计算机，也无需海量文本。 其对机器人学、自动驾驶与具身智能体（embodied agents）的影响极为深远。如今，构建一个具备物理根基的规划器，已不再是顶级实验室的专属特权；它完全可以由一名普通研究者、甚至一位爱好者，在消费级硬件上实现。 1 of 2

为什么值得关注：分析 原动态的核心信息 原动态详细介绍了Yann LeCun团队发布的LeWorldModel（LeWM），这是一种基于JEPA架构的简化世界模型。其核心突破在于通过仅两个损失项（预测损失和SIGReg正则化）实现端到端稳定训练，解决了传统JEPA易崩溃、超参数复杂等问题。LeWM以1500万参数的小规模，在单GPU上...

查看原始来源

Meta发布多模态脑编码模型TRIBE v2

Meta刚刚在Hugging Face上发布了TRIBE v2。 这是一款多模态脑编码模型（multimodal brain encoding model），通过将LLaMA 3.2（大型语言模型）、V-JEPA2（视觉自监督表征模型）和Wav2Vec-BERT（语音-语言联合表征模型）整合进统一架构，实现对自然刺激（natural stimuli）诱发的功能磁共振成像（fMRI）脑响应的精准预测。 https://t.co/5kH1zanS7l

为什么值得关注：核心信息：原动态宣布Meta在Hugging Face平台上发布了TRIBE v2模型。该模型是一个多模态脑编码模型，通过整合LLaMA 3.2（文本）、V-JEPA2（视频）和Wav2Vec-BERT（音频）的预训练能力，预测大脑对自然刺激的fMRI响应，标志着跨模态、跨皮层区域的大脑建模技术进一步成熟。 转发者态度...

查看原始来源

一季度收官在即，SpaceX遥遥领先全球火箭发射量

第一季度即将结束，SpaceX已进一步扩大其在全球火箭发射领域的领先优势。 一家公司发射的火箭数量，超过了全球所有其他商业公司*及*各国政府（含美国其他商业公司与美国国家航空航天局NASA）的总和。 https://t.co/aZZ54ySx1U

为什么值得关注：核心信息：原动态通过Flight Atlas数据图表指出，截至2026年第一季度末，SpaceX的轨道发射次数已远超全球其他航天实体（包括各国政府和公司）总和，凸显其在商业航天领域的绝对领先地位。 转发者态度与意图：马斯克转发此动态，意在彰显SpaceX的技术优势与运营效率，强化其“颠覆传统航天”的品牌形象。此举也可能...

查看原始来源

试驾特斯拉FSD：全程零接管的超现实体验

快去试试看！

为什么值得关注：引用者的评论观点 埃隆·马斯克（@elonmusk）通过“Try it out!”的简短评论，表达了对FSD功能的信心与推广意愿。这种回应既是对用户反馈的认可，也意在鼓励更多人尝试特斯拉的自动驾驶技术，展现其对产品性能的高度自信。 与原动态观点的对比 原动态作者@Architexure分享了提车当天使用FSD从交付点到...

查看原始来源

Grok驱动X平台全部排序决策

Grok now将全面接管X平台的所有内容排序决策。 它会“阅读”帖子、观看视频，并基于你可能喜爱的内容实时打分。 依托20,000多块GPU，每日实时分析数亿条帖子——算法完全开源（open source）。 X平台正逐步演变为全球最透明、最智能的社交应用。

为什么值得关注：核心信息：原动态宣布Grok算法将全面驱动X平台的排序决策，通过实时分析帖子和视频内容，基于用户喜好进行评分。该系统运行在2万多个GPU上，每日处理数亿条内容，并以开源形式提升透明度，使X成为“最透明且最智能的社交应用”。 转发者态度与意图：马斯克转发此动态，意在强调X平台技术升级的重要性及其透明化承诺。此举可能旨在回...

查看原始来源

AI全程规划旅行：记者实测体验

在人工智能旅行规划热潮席卷之下，专栏作家 Dawn Gilbertson（黛恩·吉尔伯特森）决定全程仅依赖AI、不做任何额外调研，独立完成一次从零开始的旅行策划。 她最终去了哪里？又发生了什么？🔗 https://t.co/zSpjtqoHob https://t.co/tfc1tG6vzf

为什么值得关注：分析： 核心观点与信息 动态展示了《华尔街日报》专栏作家Dawn Gilbertson通过AI规划旅行的实验，揭示了AI在旅行规划中的潜力与局限性。尽管AI能快速生成行程，但在细节处理上仍显不足，例如未能合理安排交通方式（如打车而非步行拖行李）。这表明AI旅行工具虽提升了效率，但对复杂需求和人性化考量仍有改进空间。 作...

查看原始来源

ChatGPT等AI闯入《华尔街日报》NCAA竞猜池并击败人类

ChatGPT、Claude 和 Gemini 加入了《华尔街日报》（The Wall Street Journal，简称 WSJ）的NCAA男篮锦标赛竞猜池。起初它们表现挣扎，但很快便精准预测冷门、反向押注——最终战胜了人类选手。 🔗 https://t.co/xwYL8jgpEv https://t.co/wgUuE5VHrF

为什么值得关注：分析： 核心观点和信息 动态描述了ChatGPT、Claude和Gemini三种AI模型参与《华尔街日报》（WSJ）的竞猜活动（如体育赛事预测）。起初表现不佳，但随后通过逆向思维和反共识选择，成功击败人类参与者。这体现了AI在数据分析和模式识别上的潜力，尤其是在复杂预测场景中超越人类直觉的能力。 作者背景和立场 @ws...

查看原始来源