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。。。。
。。，，，，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

SEO快速排名系统的真相与高效应用路径

〖One〗在搜索引擎优化领域，，，，，“SEO快速排名系统”常被描绘成一种能立竿见影的神奇工具。。。。
。。然而，，，，，回溯搜索引擎生长史，，，，，从早期的“谷歌炸弹”到现在重大的算法，，，，，任何试图使用排名的捷径都难以恒久。。。。
。。真正的“快速”并非源自投契取巧的系统，，，，，而是建设在深刻明确搜索引擎焦点目的之上的系统化事情。。。。
。。这要求我们将网站视作一个有机的生命体，，，，，而非机械的要害词堆砌工具。。。。
。。

〖Two〗市场上宣称的快速排名工具，，，，，往往依赖于大宗外链群发或点击软件等灰色手段。。。。
。。这些要领或许能带来短暂的排名提升，，，，，但其风险极高，，，，，极易被搜索引擎识别并施以处分，，，，，导致网站排名一落千丈，，，，，甚至被彻底扫除出索引库。。。。
。。历史教训批注，，，，，依赖此类“系统”无异于饮鸩止渴。。。。
。？？梢涣呐琶嵘，，，，其内核在于提供唯一无二的价值，，，，，知足用户真实的搜索意图。。。。
。。

〖Three〗那么，，，，，作甚值得投入的“系统”呢？？它应是一套科学、合规的SEO执行框架。。。。
。。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。。。。
。。这个框架以优质内容为基石，，，，，以清晰、切合逻辑的网站结构为骨架，，，，，以自然、相关的内外链接为脉络。。。。
。。犹如制作一座大厦，，，，，坚实的地基（内容）和严谨的蓝图（结构）远比华而不实的装饰更主要。。。。
。。坚持这一系统，，，，，实质上是与搜索引擎为用户筛选最佳效果的初志坚持一致。。。。
。。

〖Four〗因此，，，，，追求排名的“快速”，，，，，要害在于“效率”而非“速率”。。。。
。。这意味着我们需要系统化地剖析要害词、一连创作解决用户痛点的内容，，，，，并一直优化手艺细节与用户体验。。。。
。。将资源与精神投入到这个良性循环的系统中，，，，，虽然看似没有“捷径”迅猛，，，，，但由此积累的权威性与信任度，，，，，将为网站带来稳固且长期的排名优势，，，，，这才是经得起时间磨练的“快速”之道。。。。
。。

广东网站优化：区域深耕与流量突围的实战之道

〖One〗在数字经济浪潮中，，，，，广东企业依附敏锐的商业嗅觉，，，，，早已将网站优化视为线上竞争的焦点战场。。。。
。。差别于寻常而谈的优化战略，，，，，广东网站优化更注重连系外地工业带特色与用户习惯。。。。
。。有行业报告指出，，，，，精准的区域化要害词结构，，，，，往往能为制造业、外贸及服务业网站带来远超行业平均的会见转化率，，，，，这印证了“因地制宜”战略在网络营销中的要害作用。。。。
。。

〖Two〗深入来看，，，，，乐成的广东网站优化项目，，，，，其基石在于对外地搜索引擎生态的透彻明确。。。。
。。广东用户既使用通用搜索引擎，，，，，也对外地生涯服务平台有高依赖度。。。。
。。因此，，，，，优化事情需双线并行：一方面提升网站在主流搜索引擎中的权威排名，，，，，另一方面强化在外地地图、商圈及问答平台中的信息露出与口碑建设，，，，，形建设体化的线上保存。。。。
。。

〖Three〗内容构建层面，，，，，必需植基础土文化与企业现实。。。。
。。许多案例显示，，，，，生硬套用模板的内容难以引发共识。。。。
。。真正有用的做法是，，，，，围绕“广东智造”、“粤港澳大湾区服务”等焦点主题，，，，，创作展现企业实力、工艺流程或服务场景的原创图文与视频。。。。
。。这种富含地区特质与专业细节的内容，，，，，更能赢得搜索引擎与目的客户的配合青睐。。。。
。。

〖Four〗久远而言，，，，，广东网站优化是一场关于耐心与专业度的马拉松。。。。
。。算法一连更新，，，，，竞争日益强烈，，，，，单次手艺调解无法一劳永逸。。。。
。。它要求运营者一连追踪外地行业动态、用户搜索词转变，，，，，并一直迭代网站体验与内容价值。。。。
。。唯有将优化融入日常运营，，，，，构建系统的增添闭环，，，，，方能在南粤商海的数字洪流中站稳脚跟，，，，，实现可一连的流量增添与品牌提升。。。。
。。

SEO招聘：破解数字营销时代的人才密码

〖One〗在信息如潮的网络天下中，，，，，企业若想脱颖而出，，，，，搜索引擎优化（SEO）已成为不可或缺的环节。。。。
。。随之而来的，，，，，是对专业SEO人才的迫切渴求。。。。
。。SEO招聘并非简朴地寻找会设置要害词的员工，，，，，其实质是掘客能够明确搜索引擎算法意图、并能将手艺战略与商业目的相连系的战略型人才。。。。
。。正如营销巨匠菲利普·科特勒所言，，，，，卓越的营销在于创立价值，，，，，而优异的SEO正是这一价值在数字天下的导航员。。。。
。。

〖Two〗审阅目今的SEO招聘市。。。。
。。，，，，常陷入两个误区：一是太过强调工具使用手艺，，，，，忽视战略头脑；；；；；；二是将SEO与内容创作、数据剖析割裂看待。。。。
。。现实上，，，，，高效的SEO专员需具备综合素养。。。。
。。他们不但需要掌握基本的站内外优化手艺，，，，，更应具备敏锐的数据洞察力，，，，，能从流量转变中解读用户行为，，，，，并据此调解战略。。。。
。。这种复合型能力，，，，，才是招聘时应聚焦的焦点。。。。
。。

〖Three〗乐成的SEO招聘战略，，，，，始于清晰的职位画像。。。。
。。企业需明确，，，，，所招募的人才将主要认真手艺端优化、内容生态构建，，，，，照旧整体的流量增添妄想。。。。
。。差别的定位，，，，，对应着差别的手艺树与审核标准。。。。
。。例如，，，，，着重手艺优化的岗位，，，，，需考察其对网站架构、代码规范的明确；；；；；；而着重内容的岗位，，，，，则需评估其要害词妄想与高质量内容生产能力。。。。
。。精准定位，，，，，方能吸引对的人。。。。
。。

〖Four〗展望未来，，，，，SEO的领域正从纯粹的搜索引擎排名，，，，，扩展到更普遍的用户体验和全域流量获取。。。。
。。这意味着，，，，，对SEO人才的期待也在升级。。。。
。。他们需要一连学习，，，，，跟上算法更新的程序，，，，，同时具备跨界整合的能力，，，，，明确社交媒体、付费广告等其他渠道与自然搜索的协同效应。。。。
。。为企业招揽这样一位与时俱进的“数字园丁”，，，，，无疑是修建恒久线上竞争力的要害一步。。。。
。。

要害字排名优化软件：精准导航，，，，，决胜搜索引擎之巅

〖One〗在数字营销的竞技场中，，，，，搜索引擎排名犹如兵家必争之地。。。。
。。昔人云：“工欲善其事，，，，，必先利其器。。。。
。。”关于现代企业而言，，，，，要害字排名优化软件正是那把不可或缺的利器。。。。
。。它并非简朴的工具堆砌，，，，，而是融合了数据挖掘与战略剖析的系统工程，，，，，资助网站在谷歌、百度等搜索引擎的众多信息中精准定位，，，，，实现“不战而屈人之兵”的 visibility 提升。。。。
。。

〖Two〗追溯搜索引擎优化（SEO）的生长，，，，，早期依赖人工推测与重复试错，，，，，效率低下且充满不确定性。。。。
。。正如《孙子兵法》所言：“多算胜，，，，，少算不堪。。。。
。。”现代要害字排名优化软件的泛起，，，，，正是将“多算”理念数据化、自动化。。。。
。。它能系统追踪数以千计的要害字体现，，，，，剖析竞争敌手的排名战略，，，，，将模糊的市场直觉转化为清晰的行动坐标，，，，，让优化事情有据可依，，，，，有的放矢。。。。
。。

〖Three〗优异的软件不但能“知己”，，，，，更能“知彼”。。。。
。。它犹如一位不知疲倦的市场侦探兵，，，，，一连监控搜索引擎算法的细微变换。。。。
。。从外链建设质量到页面内容的相关性，，，，，从移动端加载速率到用户体验指标，，，，，软件提供全方位的诊断与建议。。。。
。。这阻止了“闭门造车”的陷阱，，，，，确保优化战略始终与搜索引擎的评判标准同频共振，，，，，稳健提升网站权威度。。。。
。。

〖Four〗然而，，，，，工具的价值在于驾驭者。。。。
。。要害字排名优化软件提供的是洞察与路径，，，，，而非一劳永逸的邪术。。。。
。。乐成的焦点仍在于创立真实、有价值的内容以匹配用户搜索意图。。。。
。。软件优化了“被发明”的历程，，，，，而一连的优质内容与优异体验才是留住用户、牢靠排名的基石。。。。
。。善用此“器”，，，，，方能在这场没有终点的排名马拉松中，，，，，坚持领先。。。。
。。

建瓯市文旅工业与数字时代的新机缘

〖One〗建瓯市，，，，，这座闽北的历史名城，，，，，素有“理学名城、竹海粮仓”之美誉。。。。
。。在数字浪潮席卷全球的今天，，，，，其深挚的人文秘闻与自然资源，，，，，正迎来通过SEO（搜索引擎优化）手艺向天下展示的绝佳契机。。。。
。。犹如古代学者著书立说以期传世，，，，，现代的区域品牌撒播亦需借助精准的线上结构，，，，，让潜在访客能于搜索引擎中便捷地发明建瓯的魅力。。。。
。。

〖Two〗谈及内容为王的SEO焦点，，，，，建瓯市可谓禀赋天成。。。。
。。朱熹曾在此孕育理学头脑，，，，，富厚的历史典故与文化遗产是创作优质内容的源泉。。。。
。。从归宗岩的摩崖石刻到北苑御焙的茶文化，，，，，再到万木林的自然异景，，，，，每一处都可衍生出奇异而富有价值的长尾要害词内容。。。。
。。这正应了“酒香也怕巷子深”的古训，，，，，唯有系统性地将这些内容优化，，，，，方能使其在信息海洋中脱颖而出。。。。
。。

〖Three〗手艺层面的优化，，，，，犹如为古城铺设通达四方的数字驿道。。。。
。。确保政府官网、文旅平台在移动设惫亓流通体验，，，，，优化图片加载速率以展现竹海与云海的磅礴，，，，，构建清晰的内链结构指导访客深入探索建瓯的各个角落。。。。
。。这些基础事情，，，，，犹如《考工记》中强调的“审曲面势”，，，，，是涤讪优异搜索排名的坚实基本，，，，，让用户获守信息的路径流通无阻。。。。
。。

〖Four〗展望未来，，，，，建瓯市的线上形象塑造是一个一连的历程。。。。
。。连系外地特色的节庆活动，，，，，如挑幡武艺、福矛窖酒文化，，，，，举行一连的内容更新与社交媒体联动，，，，，能有用积累品牌声量。。。。
。。借鉴“桃李不言，，，，，下自成蹊”的智慧，，，，，通过扎实的SEO战略与真诚的内容输出，，，，，建瓯市必将在数字时代吸引更多眼光，，，，，驱动文旅与经济迈向新的岑岭。。。。
。。