数据与评测
2026
27
- 思考探索：具身智能的数据鸿沟：先对齐，再扩规模
- 思考探索：世界模型驱动的机器人数据飞轮：能持续生产经验的系统，才是真正的基础设施
- 具身智能：机器人数据里的 `state` 和 `action`：不要被字段名骗了
- 知识问答：具身智能与 VLA QA
- 知识问答：世界模型 QA
- 知识问答：多模态与生成模型 QA
- 知识问答：训练与对齐 QA
- 知识问答：RAG、Agent 与评估 QA
- 知识问答：算子与性能 QA
- 知识问答：推理服务与量化 QA
- 知识问答：基础与 Transformer QA
- 论文专题讲解：MapAnything：统一前向 Metric 3D 重建骨干
- 基础知识：数据与数据集基础：模型真正吃下去的不是“文件夹”
- 训练：模型训练的完整链路：数据、目标、更新与证据
- 世界模型：评测：不要让好看的未来骗过决策系统
- 世界模型：开发路线：先把数据、动作和评测接成闭环
- 世界模型：数据引擎与自我改进
- VLM/VLA：多模态评测与失败模式
- VLM/VLA：数据与策略学习：从示范轨迹到闭环策略
- VLM/VLA：评测与数据引擎
- 训练：Scaling、课程学习与数据配比
- 训练：偏好数据与对齐失效
- 训练：后训练数据引擎与 Judge 模型
- 训练：评测与消融设计
- 训练：数据系统与吞吐优化
- 训练：数据质量、去重与治理
- 思考探索：具身智能现状：VLA、数据工厂与真实闭环
2025
16
- 量化：评测与部署清单
- 论文专题讲解：Kimi K2：MuonClip、万亿 MoE 与 Agent 数据
- 论文专题讲解：GPT-4o System Card：Omni 安全与多模态评测
- 论文专题讲解：ZeRO：数据并行真正浪费的是训练状态副本
- 论文专题讲解：Depth Anything V2：单目深度的数据配方
- 算子与编译器：Roofline 建模与性能案例
- 算子与编译器：CUDA 编程模型与内存层次：先画数据怎么走
- 推理：可观测性与在线评测
- 基础知识：数据划分与评测指标：一个分数为什么不够
- 具身智能：VLA 数据、模型与评测：机器人数据到底该怎么读
- 具身智能：具身任务谱系与评测
- 具身智能：Sim2Real 与具身数据引擎：真实失败怎样变成下一轮能力
- 具身智能：Rerun：具身智能的多模态时序数据层
- 具身智能：Isaac Sim 与 RoboTwin 仿真数据链
- 具身智能：人机协作与交互评测
- 具身智能：资产到轨迹：机器人数据生产线怎么跑通
1