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、候选轨迹唬；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。。。，，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、能规模唬；τ迷诨等税才爬汤锏母谖唬

纸上谈兵终觉浅。。
？？梢钥吹剑，，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

探索山西：抖音搜索要害词SEO优化排名的巧妙之旅

在当今数字化时代，，，社交媒体已成为我们日常生涯中不可或缺的一部分。。。无论是分享生涯点滴，，，照旧发明新颖有趣的内容，，，抖音作为一款全球热门的短视频平台，，，拥有着无数活跃的用户。。。而在这个信息爆炸的时代，，，怎样让自己的内容在海量信息中脱颖而出，，，成为了许多创作者和营销职员的主要课题。。。今天，，，我们将深入探讨怎样通过山西抖音搜索要害词的SEO优化，，，提升排名，，，让更多人看到你的作品。。。

我们要明确什么是SEO（搜索引擎优化）。。。SEO是通过一系列的手艺手段和战略，，，让网站在搜索引擎效果中获得更高的自然排名，，，从而吸引更多的自然流量。。。而在抖音这样的平台上，，，虽然不是古板意义上的网站，，，但我们依然可以通过一些技巧和战略来提高自己内容的曝光率和排名。。。下面我们将详细剖析怎样在山西抖音搜索要害词的SEO优化排名中取得乐成。。。

一、相识山西抖音用户的需求

在最先任何SEO优化事情之前，，，最主要的一步是相识目的用户的需求。。。山西作为中国的一个省份，，，有其奇异的文化和风土人情，，，这些都会影响到用户的搜索行为和兴趣点。。。

例如，，，山西的用户可能对以下几类内容特殊感兴趣：

• 山西的历史文化
• 山西的美食
• 山西的风物胜景
• 山西的特色节庆活动
• 山西的日常生涯

因此，，，在举行抖音SEO优化时，，，我们需要确保凯时AG视频内容涵盖这些热门话题，，，并且内容生动有趣，，，能够引起山西用户的共识。。。

二、选择合适的抖音搜索要害词

选择合适的抖音搜索要害词是SEO优化的要害。。。在山西地区，，，用户可能会输入与外地相关的要害词举行搜索。。。例如，，，若是你的视频内容是关于山西的古修建，，，那么“山西古修建”、“太原古城”等要害词可能会较量受接待。。。

为了选择最佳的要害词，，，你可以使用抖音内置的搜索建议功效，，，或者使用一些第三方工具，，，如百度要害词工具、Google要害词工具等，，，来剖析要害词的搜索量和竞争水平。。。

在选摘要害词时，，，要注重以下几点：

• 要害词的相关性：确保选择的要害词与你的视频内容高度相关。。。
• 要害词的搜索量：选择一些搜索量较高但竞争不太强烈的要害词。。。
• 要害词的长尾化：长尾要害词通常竞争较。。。，，但能够吸引更精准的流量。。。

三、优化视频问题和形貌

在抖音上，，，视频的问题和形貌是用户第一次接触到你内容的地方。。。因此，，，它们对视频的曝光和点击率有着主要的影响。。。

• 在问题中加入要害词：确保要害词自然地融入问题中。。。
• 精练明晰：问题应精练明晰，，，能够清晰地反映视频内容。。。
• 吸引人的开头：用一个有趣的问题或者亮点吸引用户的注重。。。
• 详细形貌：在形貌中详细说明视频内容，，，并加入相关的要害词。。。

例如，，，若是你在做一个关于山西古修建的视频，，，问题可以是“探秘山西古修建的魅力 | 太原古城之旅”，，，而形貌可以是“想要相识山西的历史文化吗
？？追随我们一起探秘山西古修建的奇异魅力，，，从太原古城最先你的文化之旅！”

四、高质量的视频内容

无论你怎样优化问题和形貌，，，若是视频内容自己质量不高，，，用户很难被吸引，，，也很难获得更多的点赞和分享。。。

• 高清晰度：确保视频的画质高清，，，能够清晰展示内容。。。
• 生动有趣：视频内容应生动有趣，，，能够吸引观众的注重。。。
• 结构清晰：视频的结构应清晰，，，有明确的开头、中心和最后。。。
• 互动性强：勉励观众点赞、谈论和分享，，，增添互动性。。。

在制作视频时，，，可以思量使用一些特效、字幕和配景音乐，，，使视频越发富厚多彩。。。

五、合理运用标签和阅历

在抖音上，，，标签（Hashtags）和阅历（Duet）也是提升视频曝光率的主要手段。。。标签可以资助视频被更多的用户找到，，，而阅历则是与其他视频举行互动的方式。。。

• 使用热门标签：在视频中使用一些热门标签，，，能够提高视频的曝光率。。。
• 建设自界说标签：建设一些与你的内容高度相关的自界说标签，，，吸引有相同兴趣的用户。。。
• 起劲加入Duet：与其他热门视频举行Duet，，，可以吸引这些视频的粉丝关注你的内容。。。

例如，，，若是你在做一个关于山西美食的视频，，，可以使用标签如#山西美食#太原小吃#抢饭#，，，并且实验与其他美食类的热门视频举行Duet。。。

六、互动和粉丝维护

在抖音上，，，用户的互动和反馈对视频的曝光

有了高质量的视频内容和合理的SEO优化战略，，，还需要一连的互动和粉丝维护来坚持和提升排名。。。

• 实时回复谈论：实时回复粉丝的谈论，，，增添互动性，，，让粉丝感受到你的关注和重视。。。
• 按期更新：坚持视频的按期更新，，，让粉丝有新鲜内容可以关注。。。
• 举行活动：通过举行一些互动活动，，，如抽奖、问答等，，，增添粉丝的加入感。。。
• 相助推广：与其他有影响力的抖音用户相助，，，相互推广，，，扩大影响力。。。

还可以使用抖音的直播功效，，，与粉丝举行实时互动，，，增添粉丝的黏性。。。

七、数据剖析和优化

在举行抖音SEO优化的历程中，，，数据剖析和一连优化是很是主要的。。。通太过析视频的播放量、点赞数、谈论数、分享数等数据，，，可以相识哪些内容受接待，，，哪些要害词效果最好，，，从而举行针对性的优化。。。

• 使用抖音内置的数据剖析工具：抖音平台上有内置的数据剖析工具，，，可以资助你相识视频的体现情形。。。
• A/B测试：通过A/B测试差别的问题、形貌、标签等，，，找出最有用的组合。。。
• 关注趋势：关注山西地区的热门话题和趋势，，，实时调解内容和要害词。。。
• 一连优化：凭证数据剖析效果，，，一连优化视频内容、问题、形貌和要害词，，，提高视频的SEO体现。。。

例如，，，若是你发明某个关于山西美食的视频在某个特准时间段内播放量和点赞数都很是高，，，那么你可以实验在这个时间段内宣布更多类似的内容，，，或者使用更多相关的要害词。。。

八、案例剖析

为了更好地明确怎样通过SEO优化提升山西抖音搜索要害词的排名，，，我们可以看一些乐成的案例。。。

例如，，，有一位抖音创作者在山西拍摄了一系列关于山西古修建的视频。。。他在视频中使用了要害词“山西古修建”、“太原古城”等，，，并在问题和形貌中自然地融入这些要害词。。。他制作了高质量的视频内容，，，并使用了一些特效和配景音乐，，，使视频越爆发动有趣。。。

他还起劲加入Duet，，，与其他热门古修建类的视频举行互动，，，并且按期回复粉丝的谈论，，，增添互动性。。。通过一连的数据剖析和优化，，，他的视频逐渐在山西地区的抖音搜索中获得了很高的排名，，，吸引了大宗的粉丝和观众。。。

九、总结

通过上述剖析，，，我们可以看出，，，通过合理的SEO优化战略，，，连系高质量的视频内容和有用的互动方式，，，是可以在山西抖音搜索要害词中获得优良排名的。。。

无论你是一个新手创作者，，，照旧一个已有一定粉丝基础的用户，，，只要掌握这些技巧，，，并一连优化和更新内容，，，相信你也能在山西抖音搜索要害词中取得乐成，，，吸引更多的关注和粉丝。。。

希望这篇文章能够资助你在山西抖音搜索要害词的SEO优化中取得优异的效果，，，并且创立出更多精彩的内容！