衡宇 发自 凹非寺量子位 | 公众号 QbitAI

代码Agent这两年为何前进飞快，，，，，成为AI界的宗门巨匠兄？？

由于这玩意儿自己个儿就超！闭！环！的！

代码Agent可以自动执行、自动验证、自动反馈。。。。。写了代码跑一下就知道对差池，，，，，奖励信号很是清晰明确。。。。。

这给后训练（Post-training）阶段的自反馈闭环提供了完善条件。。。。。

同样是AI界大热门，，，，，具身智能现在就缺少这种“神助”。。。。。

它面临的物理天下比代码Agent面临的天下重大多了，，，，，并且很难获得马上验证。。。。。

它吸收的信号不像代码那样有一个编译器就能判断，，，，，它们模糊、腾贵，，，，，并且每一次真机试错都意味着真金白银的人力和硬件消耗。。。。。

VLA（视觉-语言-行动模子）是具身智能中最早受到关注的手艺蹊径。。。。。

但很快，，，，，各人发明这个手艺保存物理明确缺失、泛化能力极弱、长时序与妄想能力缺乏等等问题，，，，，做不到“一家独大”包打天下。。。。。

各人有点着急。。。。。厥后，，，，，天下模子又成了行业里的新骄子。。。。。

但天下模子似乎也不是灵丹妙药（至少现在来看是这样的）……

这也不可那也不可，，，，，具身智能，，，，，你究竟要怎样。。。。？？？？

这个时间，，，，，原力灵机相关认真人站出来亮相：

我以为特殊愚蠢的一件事情是在「手艺蹊径」上给自己贴标签。。。。。这件事情是特殊蠢的。。。。。应该以目的导向。。。。。你要解决什么问题，，，，，挑选对应的要领去解决它，，，，，而不是说我是什么要领的、什么门户的，，，，，为此来证实只有我才是标新立异的。。。。。

他先容，，，，，约莫今年过年前，，，，，原力灵机意识到可将天下模子作为后训练的一部分。。。。。

一晃眼半年已往了。。。。。这个月，，，，，原力灵机宣布了旗下首款具身天下模子DW0.5，，，，，并将它接入天下模子驱动的具身智能后训练框架DFOL2.0。。。。。

“这套基模支持多模态输入，，，，，包括使命指令、图片和视频，，，，，还能选定机械人类型。。。。。我们可以依附历史行动，，，，，展望后续视频状态。。。。。”原力灵机联合首创人汪天才说。。。。。

他先容道，，，，，DW0.5用上万小时真机、多视角数据完成联合预训练，，，，，仿真能力很强，，，，，能天生种种画面。。。。。

不但能做出机械臂正常作业的视频，，，，，就算参考过失行动，，，，，也能还原使命失败的场景，，，，，以此支持DFOL2.0框架的在线强化学习训练。。。。。

DW0.5作为一个高保真仿真器，，，，，把强化学习搬进虚拟天下。。。。。

VLA先给出候选行动，，，，，DW0.5在虚拟情形中预演未来，，，，，判断乐成、失败与偏离风险，，，，，再把可用反馈送回强化学习。。。。。

按其披露的数据，，，，，这套流程可让后训练中真机数据需求骤降60%，，，，，整体训练本钱下降40%。。。。。

具身智能行业急需低本钱反馈闭环

想相识DW0.5，，，，，咱们先来看清它解决了什么样的行业问题。。。。。

具身智能属于物理AI，，，，，它的目的是让机械人在差别情形、差别物体和差别失败条件下一连变强。。。。。

惋惜后训练飞轮一直跑不起来。。。。。

真机一次rollout需要占用机械人、园地和人工，，，，，一次行动失败可能直接让使命中止；；；；人工反馈虽然更靠近真实判断，，，，，但难以高频笼罩每其中心状态；；；；仿真情形本钱确实低许多，，，，，但现实中的接触、遮挡、反光、形变和不确定性又很难被完整复刻。。。。。

基于这个现实，，，，，原力灵机从手艺侧提出了判断：VLA需要一个介于真机、人工反馈和古板仿真之间的训练情形。。。。。最好它足够自制、能支持高频探索，，，，，还更靠近真实操作历程。。。。。

然后新的步伐就被脑暴出来了。。。。。

用真实Rollout数据校准天下模子，，，，，天下模子支持低本钱大规模的情形与数据生产，，，，，新的policy再回到真真相形验证和网络数据。。。。。

DW0.5就肩负了原力灵机VLA模子（DM0.5）后训练中的Learned Environment的角色。。。。。

DW0.5三大专家？？橹毓狗抡媛呒，，，，，全方位提升泛化能力

DW0.5能展望行动执行后的未来状态，，，，，甚至天生失败轨迹，，，，，并对使命进度打分。。。。。

详细而言，，，，，DW0.5以Video Expert、Action Expert、Value Expert三大专家？？樽槌赡芰α绰。。。。。Video Expert与Action Expert配合服务行动效果预演，，，，，Value Expert认真价值评估与反馈结构。。。。。

这三个设计的思绪各有考究。。。。。

设计一：Action是强先验，，，，，而不是软提醒

在部分天下模子里，，，，，行动信息只是一个附带的条件输入。。。。。但DW0.5把行动当成结构性的强先验。。。。。

它必需知道“机械臂在往这个偏向移动”，，，，，才华展望出物理上合理的后续画面。。。。。

DW0.5把action看成视频天生的一等条件，，，，，通过结构化的帧级对齐强制绑定。。。。。

在MoT（Mixture of Tokens）注重力中，，，，，行动序列与视频序列拼接，，，，，并用group-diagonal attention mask切断视频帧与非对应行动之间的信息通路。。。。。

从结构上，，，，，执行向左推和向右推的行动，，，，，从一最先就走向完全差别的盘算路径。。。。。

讲原理，，，，，我们视察到近期学术界对这个手艺趋势有规模不小的探讨，，，，，即主流VLA不做视频展望，，，，，只做observation到action的映射。。。。。

DW0.5这类用视频展望作为辅助监视的模子，，，，，理论上能学到更强的因果动态明确。。。。。

设计二：能模拟失败，，，，，才配得上叫“仿真器”

只有乐成轨迹数据训练的模子容易形成过强的乐成偏置，，，，，这样的系统无法识别过失行动，，，，，更谈不上为强化学习提供处分信号。。。。。

同时，，，，，失败轨迹数据的价值对后训练来说挺珍贵的。。。。。

因此DW0.5被明确要求能够天生“做砸了”的视觉轨迹，，，，，让Value Expert可以比照乐成与失败的差别，，，，，给出有区分度的打分。。。。。

其数据战略围绕模拟失败设计，，，，，让模子既学习“应该怎么做”，，，，，也学习“做错了，，，，，天下会酿成什么样”。。。。。

团队体现，，，，，DW0.5有四类数据源：

具身果真数据与自采机械人数据（包括遮挡、接触、延迟等真机噪声）互联网视频数据（增补开放天下动态）Egocentric第一视角人类活动数据（迁徙真实物理交互效果）真机与仿真rollout数据（笼罩偏离、卡住、恢复等中心状态）设计三：Value Expert把未来酿成可训练的反馈

这是DW0.5从“视频天下模子”走向“训练情形”的要害一步。。。。。

Video Expert模拟行动效果，，，，，Value Expert把效果转成可优化信号，，，，，两者连系，，，，，才组成完整的RL训练闭环。。。。。

DW0.5引入Value Expert是为了把天生的未来转化为更麋集的价值信号。。。。。

详细讲，，，，，Value Expert它对目今状态、候选轨；；；；蛘蝦ollout给出乐成概率或使命价值评估，，，，，将希罕的使命效果信号转化为可以在每一步使用的中心反馈。。。。。

在闭环系统中，，，，，Value Expert可以用于：

候选行动筛。。。。。憾远喔鰎ollout打分，，，，，让VLA选择更可能乐成的未来。。。。。RL后训练的reward信号：在天下模子情形中对VLA做战略优化，，，，，无需频仍占用真机。。。。。安排时的在线监测：发明目今状态偏离乐成路径，，，，，实时触发重新妄想或失败恢复。。。。。

数据显示，，，，，DW0.5的Value-Order Correlation抵达95%以上。。。。。

三个设计服务统一个闭环，，，，，让DW0.5在VLA的训练和安排中饰演离线数据增强与偏好结构、RL后训练情形、安排时妄想与清静评估三种角色。。。。。

依托DW0.5训练-调优-安排的全闭环赋能能力，，，，，模子在工程化泛化体现方面同样值得关注。。。。。

1）高阶指令与多步行动追随

模子不但能精准明确“Pick up the hammer, lift it into the air, and hold it steady（拿起铁锤、举至空中并坚持稳固）”等高难度多步长指令，，，，，还能丝滑实现跨构型的行动追随。。。。。

2）多维一连泛化

在面临重大长尾场景时，，，，，展现出了强盛的跨情形、跨使命、跨构型的泛化天生实力。。。。。

3）多视角强一致性

在模拟天生气械人前视、左腕、右腕等多相机流时，，，，，展现出完善的空间与时序一致性。。。。。

4）行动-视频天生高度一致性

能够直觉化地明确人类的双手操作视频，，，，，并将其丝滑且等效地天生为机械臂的操作轨迹。。。。。

让天下模子在具身智能工业大规模落地

说了这么多架构和原理，，，，，最终照旧要回到一个问题：

DW0.5究竟怎么用？？

整体来看，，，，，DM0.5作为基础战略模子，，，，，DW0.5认真行动效果预演与价值反馈，，，，，RL将两者链接。。。。。

基座模子DM0.5先天生一批初始行动，，，，，推给天下模子DW0.5

—→DW0.5当仿真器，，，，，在虚拟情形里把这些行动会导向的未来“跑”出来，，，，，批量天生乐成和失败的轨迹

—→再由一个强化学习教练员CFG-RL，，，，，给每条轨迹的使命进度打分（乐成的价值一起走高，，，，，失败的价值断崖下跌）

—→打分和奖励实时回传，，，，，更新模子权重，，，，，喂出一个更强的DM0.5

这个循环里大部分数据由DW0.5在线天生，，，，，不必所有靠真机翻来覆去高成外地去试。。。。。

噫吁嚱！

具身智能的天下里，，，，，天下模子终于有了一个明确的、能规；；；；τ迷诨等税才爬汤锏母谖唬

纸上谈兵终觉浅。。。。？？梢钥吹，，，，，在打气球、晾衣服、叠纸盒等高难度重大使命中，，，，，接入DFOL 2.0的模子相比纯粹SFT（监视微调）基线，，，，，要害方法乐成率蓦地提升。。。。。

打气球使命：“给气球打气”这一步乐成率从10%升至90%；；；；“气筒插入气球”乐成率从10%跃升至100%。。。。。晾衣服使命：“乐成挂上衣架”这一长时序操作的SFT乐成率仅50%，，，，，DFOL2.0加持下翻倍至100%；；；；“衣架塞入衣服”的乐成率也从60%提升到了90%。。。。。叠纸盒使命：“叠右侧纸盒”和“叠左侧纸盒”两浩劫点方法，，，，，乐成率划分从35%拉升到了55%和50%。。。。。

评测集这边，，，，，DW0.5还在EWMBench、WorldArena等基准测试中横扫榜单，，，，，划分以4.73、73.54的分数，，，，，斩获全球SOTA（数据阻止7月9日）。。。。。

真实安排希望方面，，，，，原力灵机体现DW0.5已在内部跑通具死后训练闭环流程DFOL 2.0，，，，，最先肩负数据天生、价值评估和战略迭代事情。。。。。

同时，，，，，这套手艺能力已接入原力灵机推出的DexDev MaaS（Model As a Service）平台。。。。。

关于特定具身场景中零样本泛化能力缺乏的模子，，，，，可通事后训练补足能力，，，，，并接回平台服务。。。。。

值得强调的是，，，，，原力灵机再三对量子位强调并肯定了真实数据无可替换的价值。。。。。

“我们只是用天下模子降低本钱，，，，，真机数据照旧很主要的。。。。。在手艺演进上，，，，，天下模子现在仍需真机校准。。。。。”原力灵机联合首创人汪天才说。。。。。

我们问原力灵机，，，，，关于天下模子在具身智能领域的运用，，，，，尚有哪些其他想法？？

获得的谜底是这样的——

随着视觉模子能力的一直提升，，，，，现场职员可以借助Ego相机收罗操作数据，，，，，镌汰对专业真机收罗和重大后训练团队的依赖，，，，，降低现场后训练的门槛。。。。。

那么，，，，，就让时间来磨练这个谜底吧～

GitHubhttps://github.com/dexmal/opendwHugging Facehttps://huggingface.co/Dexmal/DW05-Base

seo优化优势：修建数字时代的竞争壁垒

〖One〗在信息过载的互联网中，，，，，怎样让潜在客户轻松找到你？？谜底在于搜索引擎优化。。。。。正如营销巨匠菲利普·科特勒所言，，，，，真正的营销始于用户爆发需求的瞬间，，，，，而SEO正是精准对接这一瞬间的桥梁。。。。。它并非简朴的手艺调解，，，，，而是一种系统的战略，，，，，旨在提升网站在搜索引擎中的自然可见度，，，，，从而一连吸引高质量流量，，，，，为品牌建设稳固的线上基本。。。。。

〖Two〗相较于付费广告的即时性与高本钱，，，，，SEO提供了恒久且经济的获客渠道。。。。。一旦优化收效，，，，，其带来的排名和流量能够一连爆发价值，，，，，边际本钱趋近于零。。。。。这好比修建一条通往富贵墟市的蹊径，，，，，初期投入虽需妄想与建设，，，，，但蹊径意会后，，，，，客流便会源源一直。。。。。这种恒久主义的投资，，，，，为企业修建了可一连的竞争优势。。。。。

〖Three〗深入来看，，，，，优质的SEO实践与卓越的用户体验密不可分。。。。。为了知足搜索引擎的排名算法，，，，，网站必需做到结构清晰、内容相关、加载迅速、移动端友好。。。。。若是以为主线，，，，，正文需要把发明问题、定位问题和确认恢复串成一连历程。。。。。这个历程无形中促使企业以用户为中心刷新网站，，，，，提升了访客的浏览知足度与信任度。。。。。一个易于查找、易于使用的网站，，，，，自己就是品牌专业度的最佳证实，，，，，能有用提高转化率与客户忠诚度。。。。。

〖Four〗最终，，，，，SEO的焦点优势在于其强盛的数据洞察能力。。。。。通太过析搜索流量、要害词体现和用户行为，，，，，企业能够清晰地洞察市场趋势、相识受众的真实需求与痛点。。。。。这些数据反馈组成一个优化循环，，，，，指导内容创作、产品刷新以致商业决议。。。。。正如治理学家彼得·德鲁克强调“无法怀抱就无法治理”，，，，，SEO提供了一套可怀抱的框架，，，，，让线上营销的每一步都有的放矢，，，，，驱动营业的有机增添。。。。。

网站设计seo：构建流量基石的艺术与科学

〖One〗在互联网的众多海洋中，，，，，一个网站若想被精准发明，，，，，离不开全心的设计。。。。。SEO（搜索引擎优化）并非自力于设计之外的手艺堆砌，，，，，而是从蓝图阶段就应融入的焦点理念。。。。。正如修建巨匠女士·凡德罗所言“少即是多”，，，，，网站设计亦需追求精练清晰的代码结构与直观的导航路径，，，，，这为搜索引擎的爬虫顺畅抓取内容涤讪了坚实基础，，，，，是吸引自然流量的第一步。。。。。

〖Two〗用户体验与搜索引擎的评判尺过活益趋同。。。。。一个加载缓慢、移动端兼容性差的网站，，，，，不但会令访客迅速脱离，，，，，更会直接导致在搜索效果中的排名下滑。。。。。谷歌等搜索引擎早已将页面速率、焦点网络指标作为主要的排名因素。。。。。因此，，，，，响应式设计、图片优化等手艺手段，，，，，已从“加分项”变为“必备项”，，，，，它们配合服务于一个目的：让用户以最便捷的方式获取所需信息。。。。。

〖Three〗内容是吸引并留住用户的基础，，，，，而优异的设计是泛起内容的细腻画布。。。。。合理的问题标签（H1, H2等）使用、为图片添加形貌性的ALT属性、建设清晰的内部链接网络，，，，，这些设计细节犹如书籍的目录与索引，，，，，既能资助用户明确内容脉络，，，，，也能高效指导搜索引擎明确网站的主题与结构条理，，，，，从而在相关盘问中脱颖而出。。。。。

〖Four〗网站设计SEO是一个一连演进的历程，，，，，而非一劳永逸的终点。。。。。搜索引擎算法一直更新，，，，，用户行为习惯也在转变。。。。。这就要求网站设计具备足够的无邪性与可扩展性，，，，，便于后续的内容更新与手艺优化。。。。。按期剖析网站流量数据与用户行为，，，，，洞察设计短板并迭代刷新，，，，，方能在这场没有终点的马拉松中坚持竞争力，，，，，让网站真正成为营业增添的长期引擎。。。。。

重庆SEO的奇异优势与实验战略

〖One〗在数字营销领域，，，，，SEO（搜索引擎优化）犹如长江之于重庆，，，，，是贯串企业线上生长的命脉。。。。。重庆作为西部重镇，，，，，其外地化SEO战略需细密连系山城特色。。。。。正如《孙子兵法》所言“知己知彼，，，，，百战不殆”，，，，，深入相识重庆网民搜索习惯与地区文化，，，，，是制订有用战略的基石。。。。。将外地要害词如“重庆暖锅配送”、“山城旅游攻略”自然融入内容，，，，，能显著提升网站在区域搜索中的可见性。。。。。

〖Two〗内容建设是SEO的焦点，，，，，正如重庆依山而建的吊脚楼，，，，，基本必需牢靠。。。。。创作高质量、原创且贴合重庆用户需求的内容至关主要。。。。。阻止堆砌要害词，，，，，而应像妄想轻轨线路一样，，，，，让内容自然流通地毗连用户意图与解决方案。。。。。一连提供有价值的信息，，，，，搜索引擎会像嘉陵江汇聚长江一样，，，，，为网站带来一连的精准流量。。。。。

〖Three〗手艺优化组成了网站的骨架。。。。。确保网站在移动装备上快速加载与友好显示，，，，，其主要性不亚于重庆重大的立交交通需要清晰路标。。。。。结构化数据标记、清晰的URL结构以及清静的HTTPS协议，，，，，这些基础事情好比完善的都会基础设施，，，，，能资助搜索引擎蜘蛛更高效地抓取和明确网站内容，，，，，从而提升排名。。。。。

〖Four〗外部链接建设犹如重庆对外建设的桥梁与纽带。。。。；；；；袢±醋酝獾厝ㄍ网站、行业相关平台的高质量反向链接，，，，，能为网站转达权威性与信任度。。。。。这个历程需注重自然与相关性，，，，，阻止急功近利。。。。。连系外地社交媒体与社区举行推广，，，，，形成线上与线下的联动，，，，，方能像重庆夜景一样，，，，，在搜索引擎的众多星空中熠熠生辉。。。。。

揭秘SEO优化优势与网站设计技巧，，，，，重排名波动复盘

〖One〗网站优化日报是纪录和跟踪SEO希望的主要工具。。。。。昔人云：“日计缺乏，，，，，岁计有余”，，，，，意指日常点滴的积累，，，，，最终会爆发可观的效果。。。。。一份优异的日报，，，，，能清晰泛起逐日事情的轨迹，，，，，便于团队复盘与战略调解。。。。。撰写时，，，，，需明确其焦点目的：不是为了应付检查，，，，，而是为了沉淀数据、发明问题、优化路径。。。。。它犹如航海日志，，，，，纪录了网站优化航程中的风向、水流与坐标，，，，，是确保项目不偏离目的航线的基础包管。。。。。

〖Two〗日报的结构需条理明确。。。。。建议接纳总分总的形式，，，，，开篇简述当日焦点目的与完成概况。。。。。主体部分则可参照经典的治理学“PDCA循环”（妄想、执行、检查、处理）模子举行组织。。。。。例如，，，，，纪录当日执行了哪些要害词结构、内容更新或外链建设（执行），，，，，并与妄想举行比对（检查）。。。。。引用《孙子兵法》“谋定此后动”的头脑，，，，，强调日报中妄想与效果比照的主要性，，，，，这能有用评预战略的有用性，，，，，并为后续行动（处理）提供依据。。。。。

〖Three〗内容是日报的灵魂，，，，，需数据与洞察并重。。。。。阻止堆砌艰涩术语，，，，，应用精练语言陈述事实。。。。。例如，，，，，不应只写“提升了页面速率”，，，，，而应纪录“通过压缩图片，，，，，首页加载时间从3秒降至1.5秒”。。。。。同时，，，，，需纪录遇到的问题，，，，，如“某焦点要害词排名波动，，，，，疑似算法更新影响”。。。。。这体现了《论语》中“吾日三省吾身”的反思精神。。。。。通过逐日对详细数据和征象的审阅，，，，，才华积累出对搜索引擎动态和用户行为的深刻明确。。。。。

〖Four〗坚持撰写并善用日报，，，，，方能施展其久远价值。。。。。日报不但是日志，，，，，更是知识库和决议辅助工具。。。。。随着时间推移，，，，，一连的日报能展现流量、排名转变的趋势线，，，，，资助展望未来走向。。。。。司马迁在《史记》中强调“述往事，，，，，思来者”，，，，，对优化事情而言，，，，，剖析过昔日报就是“述往事”，，，，，从而更好地“思来者”，，，，，妄想下一步优化战略。。。。。让逐日的纪录，，，，，汇聚成推动网站一连向上的坚实蹊径。。。。。

揭秘SEO优化优势与网站设计技巧，，，，，重页面的河北网站优化怎么选择复盘

〖One〗网站优化是企业在数字时代获取客户的要害，，，，，关于河北地区的企业而言，，，，，怎样选择合适的优化战略尤为要害。。。。。昔人云：“工欲善其事，，，，，必先利其器”，，，，，选择网站优化服务同样需要明确自身需求与市场定位。。。。。河北企业应首先审阅自身行业特征、目的客户群体以及线上营业的焦点目的，，，，，这是做出明智选择的基石，，，，，阻止盲目跟风。。。。。

〖Two〗在选择服务商时，，，，，考察其过往案例与行业履历至关主要。。。。。《孙子兵法》有言：“知己知彼，，，，，百战不殆。。。。。”河北企业应重点相识服务商是否有服务外地或偕行业企业的乐成履历，，，，，审查其优化效果是否真实、长期。。。。。一个优异的服务商不但能提升要害词排名，，，，，更能带来可一连的精准流量与营业转化。。。。。

〖Three〗手艺要领与战略的透明度是另一主要考量。。。。。网站优化并非黑箱操作，，，，，企业有权相识焦点优化手段。。。。。这包括对网站结构、内容质量、外链建设等基础事情的重视水平。。。。。正如修建需要坚实的地基，，，，，忽视基础而追求短期排名的“速成法”往往难以长期，，，，，甚至可能带来风险。。。。。

〖Four〗最后，，，，，需综合评估服务的性价比与恒久价值。。。。。选择不是寻找最自制或最腾贵的，，，，，而是寻找最合适的。。。。。河北企业应关注服务商能否提供清晰的执行妄想、按期效果反馈以及一连的优化调解。。。。。建设恒久稳固的相助关系，，，，，配合生长，，，，，方能令网站在强烈的市场竞争中立于不败之地。。。。。