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优化三部曲：内容、手艺与外链的艺术

〖One〗昔人云：“工欲善其事，，，，，必先利其器。。。。。。”在搜索引擎优化领域，，，，，专业工具如【Seo查】即是那磨砺锋芒的砺石。。。。。。它犹如《孙子兵法》中所强调的“知己知彼”，，，，，通过详尽的数据诊断，，，，，资助网站运营者清晰洞察自身站点的康健度与竞争情形。。。。。。脱离了切实的数据剖析，，，，，优化事情便容易陷入主观臆断，，，，，犹如瞽者摸象，，，，，难窥全貌。。。。。。

〖Two〗内容是SEO永恒的焦点，，，，，此乃“内容为王”的真谛。。。。。。【Seo查】等工具能有用评估内容质量与要害词结构，，，，，但优质的原创内容才是吸引用户与搜索引擎的基础。。。。。。这正如司马迁在《史记》中依附翔实史料与生动笔触成绩名著，，，，，网站内容也需具备价值与奇异性，，，，，方能积累权重，，，，，获得长期稳固的流量，，，，，而非仅追逐短暂的要害词排名。。。。。。

〖Three〗手艺架构是网站的基石，，，，，决议了搜索引擎蜘蛛的抓取效率。。。。。。处理时，，，，，正文应让读者望见排查逻辑、修复行动和后续监控，，，，，而不是只给结论。。。。。。【Seo查】能够检测网站速率、代码结构与移动适配性等问题。。。。。。一个加载缓慢、结构杂乱的网站，，，，，纵然内容上乘，，，，，也犹如拥有宝藏却大门紧锁的城堡，，，，，难以被外界发明和浏览。。。。。。优化手艺细节，，，，，确保会见顺畅，，，，，是为内容价值铺就的康庄大道。。。。。。

〖Four〗外链建设被视为“投票”机制，，，，，高质量的外部链接能为网站带来权威性背书。。。。。。然而，，，，，此举贵精不贵多，，，，，需追求自然与相关性，，，，，阻止陷入“为链而链”的误区。。。。。。【Seo查】可协助剖析外链质量与泉源。。。。。。这好比《论语》所言“德不孤，，，，，必有邻”，，，，，当网站自身具备足够价值时，，，，，优质外链的积累即是水到渠成之事，，，，，配合修建起稳固的排名护城河。。。。。。

seo公司排名剖析：怎样评估与选择专业服务商

〖One〗在数字营销领域，，，，，seo公司排名常被企业视为选择相助同伴的快捷参考。。。。。。然而，，，，，权威机构如Forrester Research曾指出，，，，，纯粹依赖榜单可能陷入误区，，，，，由于排名标准各异。。。。。。企业更需要理清自身需求，，，，，是追求品牌曝光，，，，，照旧精准流量增添，，，，，这决议了评估排名的主要维度。。。。。。明智的做法是将排名视为一份初筛名单，，，，，而非最终谜底。。。。。。

〖Two〗深入探讨排名背后的依据至关主要。。。。。。一个可靠的排名应综合考量案例效果、手艺实力与客户口碑。。。。。。例如，，，，，某些行业报告会追踪服务商为客户带来的自然搜索流量增添与投资回报率。。。。。。历史上，，，，，许多乐成相助并非源于榜首公司，，，，，而是排名中游但特殊善于特定行业或手艺的服务商，，，，，这印证了“合适优于顶尖”的选择智慧。。。。。。

〖Three〗面临纷繁的排名信息，，，，，交织验证是不可或缺的一步。。。。。。企业主可以查阅第三方评测平台、剖析乐成案例，，，，，甚至直接询问服务商其要领论。。。。。。市场营销经典理论强调，，，，，可一连的SEO依赖于内容生态与手艺的连系。。。。。。因此，，，，，考察一家公司是否具备系统化战略，，，，，远比关注其一时排名位次更为主要。。。。。。

〖Four〗最终的选择应回归价值自己。。。。。。优异的SEO公司能提供透明化的历程治理与可权衡的效果。。。。。。与其盲目追逐排名榜首，，，，，不如建设自己的评估框架：较量服务内容、相同效率与恒久妄想。。。。。。市场实践证实，，，，，建设在清晰目的与深度互信基础上的相助，，，，，往往能逾越任何榜单的预期，，，，，实现搜索引擎可见性与商业目的的配合提升。。。。。。

逾越要害词：内容战略的深层优化之道

〖One〗在搜索引擎优化的早期，，，，，从业者往往聚焦于简单要害词的排名。。。。。。然而，，，，，随着算法日益智能，，，，，纯粹堆砌要害词的战略已然失效。。。。。。昔人云：“执一而应万，，，，，操要而治详”，，，，，这恰恰展现了现代SEO的焦点：应从机械的要害词匹配，，，，，转向对用户意图与内容价值的深层掌握。。。。。。唯有明确搜索背后的真实需求，，，，，方能构建稳固的流量基本。。。。。。

〖Two〗真正有用的优化，，，，，始于对内容的精雕细琢。。。。。。优质内容犹如磁石，，，，，自然吸引链接与分享，，，，，这正是搜索引擎评判权威性的主要依据。。。。。。唐代魏徵在《谏太宗十思疏》中强调“求木之父老，，，，，必固其基础”，，，，，内容即是网站的基础。。。。。。忽略内容质量，，，，，任何手艺优化都犹如无源之水，，，，，难以长期。。。。。。

〖Three〗用户体验是权衡优化乐成与否的隐形标尺。。。。。。页面加载速率、浏览逻辑是否清晰、移动端是否适配，，，，，这些因素配合决议了访客的停留时间与互动深度。。。。。。搜索引擎通过众多用户行为数据来评估页面价值，，，，，一个令人愉悦的浏览体验，，，，，自己就是强盛的排名信号。。。。。。优化事情必需由外至内，，，，，服务于人。。。。。。

〖Four〗因此，，，，，今世的SEO应被视为一种综合性的内容战略。。。。。。它要求我们跳出要害词的局限，，，，，以更宏观的视角审阅网站生态。。。。。。从知足搜索意图的内容创作，，，，，到提升用户体验的手艺实现，，，，，再到构建品牌权威的外围信号，，，，，各个环节环环相扣。。。。。。唯有云云，，，，，才华在瞬息万变的搜索情形中，，，，，建设耐久弥新的在线影响力。。。。。。

搜索引擎优化排名的焦点战略与演变

〖One〗在互联网生长的初期，，，，，搜索引擎优化排名事情相对直接，，，，，主要围绕要害词的堆砌和简朴的外链建设睁开。。。。。。其时的算法较为基础，，，，，许多从业者通过大宗重复目的要害词，，，，，就能在搜索效果中获得可观位置。。。。。。这种做法虽然短期有用，，，，，却催生了大宗内容低质、用户体验差的网页，，，，，与搜索引擎提供有价值信息的初志背道而驰。。。。。。

〖Two〗随着手艺的前进，，，，，谷歌等主流搜索引擎的算法履历了深刻厘革。。。。。。以“熊猫”和“企鹅”更新为代表，，，，，算法最先严肃攻击低质量内容和垃圾链接，，，，，标记着优化重心从手艺使用转向内容建设。。。。。。正如行业专家常引用的看法：“内容为王，，，，，外链为皇”的内在爆发了转变，，，，，优质、原创、能知足用户需求的内容，，，，，成为了排名的基础基石。。。。。。

〖Three〗用户体验指标逐渐成为影响搜索引擎优化排名的隐形要害。。。。。。页面加载速率、移动装备适配性、网站浏览深度与停留时间，，，，，这些数据都成为算法评估网站质量的主要维度。。。。。。一个加载缓慢或排版杂乱的网站，，，，，纵然内容优异，，，，，也可能在排名竞争中落伍。。。。。。这意味着优化事情必需兼顾内容与手艺，，，，，提供流通的会见体验。。。。。。

〖Four〗展望未来，，，，，搜索引擎优化排名的趋势将越发智能化与生态化。。。。。。搜索引擎正致力于更深入地明确用户搜索意图，，，，，而不但仅是匹配要害词。。。。。。优化战略需要更注重构建周全的主题权威，，，，，通过高质量的内容集群和自然的品牌曝光，，，，，赢得用户与搜索引擎的双重信任。。。。。。一连提供价值，，，，，而非追逐短期技巧，，，，，才是恒久稳固排名的正道。。。。。。

长沙优化排名战略：湘江之畔的数字化突围之路

〖One〗在数字经济浪潮中，，，，，长沙的企业若想脱颖而出，，，，，就必需重视网站搜索排名的优化。。。。。。这犹如古代岳麓书院的学子治学，，，，，不但需渊博的知识积累，，，，，更需清晰有用的表达，，，，，让头脑被外界所发明。。。。。。优化排名正是资助企业在众多信息中，，，，，精准转达自身价值的现代“治学”之道，，，，，是毗连外地客户与优质服务的要害桥梁。。。。。。

〖Two〗举行长沙外地的排名优化，，，，，主要在于深挖地区特色。。。。。。犹如火宫殿的臭豆腐、橘子洲头的烟火，，，，，奇异的地区文化与用户搜索意图细密连系，，，，，才华爆发强盛吸引力。。。。。。在网站内容中自然融入“湘江”、“星城”、“工程机械之都”等本土元素，，，，，就犹如为内容注入了灵魂，，，，，能有用吸引外地搜索引擎与用户的关注。。。。。。

〖Three〗内容的一连建设是排名稳固的基石。。。。。。唐代文学家柳宗元在永州写下“永州之野产异蛇”，，，，，因其视察入微、形貌详尽而撒播后世。。。。。。优化排名同样需要这种持之以恒、精耕细作的精神，，，，，按期宣布与长沙用户生涯、事情、消耗切实相关的高质量内容，，，，，方能赢得搜索引擎的恒久信任与推荐。。。。。。

〖Four〗最终，，，，，所有优化事情的焦点都应指向用户体验。。。。。。这恰如昔时贾谊在长沙治理地方，，，，，其政策必以惠民为本。。。。。。网站的翻开速率、移动端适配、信息查找的便捷性，，，，，都是影响用户去留与排名崎岖的要害。。。。。。一个对长沙访客友好、能迅速解决其问题的网站，，，，，自然能在搜索效果中占有更有利的位置。。。。。。