Ergebnisse
4 ArtikelSortieren
3:46:12EN
Zhang Xiaojun Podcast· 16. Juli 2026Podcast · 2 StimmenKay Ke on Physical Intelligence, Robot Learning, and the Future of RoboticsGast: Kay Ke · Moderation: 张小珺Physical Intelligence researcher Kay Ke traces the field's research lineages and explains Pi's progression from π₀ to π*₀.₆. She also reflects on education, fiction, ambition, and what it means to build robots that work beyond a demo.
2:06:16ZHZhang Xiaojun Podcast· 28. Nov. 2025Podcast · 2 Stimmen谭捷：机器人通用智能的瓶颈在数据，通用形态仍需时间Gast: 谭捷 · Moderation: 张小珺Google DeepMind 机器人研究科学家谭捷回顾了从计算机图形学到机器人、从强化学习到 Gemini Robotics 的研究路径。他认为机器人基础模型尚未成为独立学科，数据规模与覆盖度、跨本体迁移、实时推理和安全仍是走向真实应用的关键。
2:49:35ZHZhang Xiaojun Podcast· 4. Feb. 2025Podcast · 2 Stimmen潘嘉怡解读 R1、o1 与 Kimi K1.5：强化学习如何教模型学会推理Gast: 潘嘉怡 · Moderation: 张小珺伯克利博士生潘嘉怡带读 DeepSeek、OpenAI 与 Kimi 的推理模型报告，拆解长思维链、GRPO、奖励设计与蒸馏。R1-Zero 的“顿悟时刻”展示了推理策略如何在强化学习中涌现。
1:27:02ZHZhang Xiaojun Podcast· 5. Sept. 2024Podcast · 3 Stimmen广密：Self-play RL 可能开启 AGI 的新 Scaling LawGast: 广密 · Moderation: 张小珺广密认为，纯靠语言预训练扩展模型的边际收益可能正在减弱，self-play 强化学习是更值得押注的新路径。它能否泛化到代码、视频、机器人和更广的领域，将决定下一阶段的 AGI 竞赛。