PaCo-RL：基于成对奖励与强化学习的图像一致性生成方法。 作者丨郑佳美 编辑丨岑 峰 很多人都有这样的体验：让 AI 画一个角色，第一张很好看，但第二张开始有点不一样，第三张基本就像换了个人。你让它做一套海报，单张都不错，但放在一起风格却完全不统一，再或者你让它画一个故事分镜，人物形象会一会胖一会瘦，甚至连脸都对不上，你只是改一下衣服颜色，它却顺手把脸也改了。 这些看起来像小问题，但在真实应用中却是致命的。在 IP 设计、品牌视觉、内容生产甚至工业和医疗场景中，要求的从来不是某一张图好看，而是一整组都要一致。 问题的关键在于，当前图像生成模型虽然已经从“能用”走向“高质量”，但能力仍停留在单次生成优化，也就是“单样本最优”。它擅长把一张图画好，却不知道哪些东西必须在多张图之间保持不变。换句话说，模型缺少的不是生成能力，而是一种对跨图关系的稳定建模能力，而这一能力，正是生成模型走向规模化应用的关键瓶颈。 在这一背景下，来自西安交通大学与新加坡 A*STAR 的研究团队提出了论文《PaCo-RL: Advancing Reinforcement Learning for...

安全问题不再局限模型，而是系统中的控制权之争。 作者丨郑佳美 编辑丨岑 峰 OpenClaw 的爆火，让一个原本更多停留在技术圈内部的变化，突然变得具象起来。 当一个 Agent 可以跨应用执行任务、调用工具、在几乎没有人工干预的情况下完成复杂流程时，人们第一次直观地看到：AI 正在从“生成内容的工具”，转变为“参与行动的主体”。也正是在这一刻，安全问题迅速被推到前台。 但一个更值得注意的现象是，在几乎所有关于 Agent 安全的讨论中，问题的定义仍然高度集中在模型层面：输入是否被注入、输出是否越界、对齐是否失效。这种讨论路径本身并没有错，但它隐含着一个前提，即安全问题主要发生在“模型”这一单点之上。 问题在于，这个前提可能正在失效。当 Agent 不再只是响应指令，而是持续接收来自不同来源的信息、在多组件结构中做出决策、并通过工具链将决策转化为现实动作时，“安全”所指向的对象，已经不再是单一模型，而是一个由模型、记忆、工具、环境以及交互链路共同构成的系统。...

Openclaw开启的，是“互联网第二次大航海”的序幕。 作者丨岑峰 当 OpenClaw 以两个月登顶 GitHub 星标增长最快项目的速度燃遍全球，被冠以 “智能体第一个浏览器” 的称号时，一场从单体 Agent 到 Multi-Agent、从工具调用到意图协作的范式转移，正悄然叩响智能体互联网（Internet of Agents，IoA）的大门。 在最近举行的雷峰网 GAIR Live 线上圆桌中， ▪ 王洪磊，面壁研究院智能体产品线负责人 ▪ 管震，智用开物人工智能科技CEO，研究院院长 ▪ 常高伟，ANP开源社区发起人，AWiki创始人 三位智能体互联网的先驱者和实践者，在GAIR Live第26期圆桌论坛中跳出技术空谈，展开了一场一个半小时的硬核对话。嘉宾们抛出诸多颠覆行业认知的核心论断，直指 IoA 发展的本质问题、核心壁垒与未来格局，勾勒出这场人工智能范式转移的真实图景。这些观点既有对当下技术现状的清醒判断，也有对未来生态的大胆预判，成为理解 IoA 时代的关键钥匙。 论断一：OpenClaw 只是过渡形态，绝非 IoA 终局...

在科学、临床与产业的共振中，寻找脑机接口的确定性。 作者丨岑峰 2024年初，马斯克旗下Neuralink宣布其首位人类受试者成功实现“意念控鼠”，随后更传出将于2026年开启大规模量产的消息。这一系列进展不仅引爆了资本市场，也让一个长久以来被视为科幻命题的领域 — — 脑机接口（BCI），正式站到了从实验室走向产业化的“上车”前夜。 如果说过去几十年是脑机接口的“科学探索期”，那么当下，我们正处于技术突破（科学奇点）、标准建立（临床拐点）与商业闭环（产业爆点）三重动力交互共振的关键时刻。 为了透视这场“脑内革命”的真实进展与潜在瓶颈，雷峰网 AI 科技评论 GAIR Live 第 22 期特别邀请了三位处于该领域最前沿的专家：岩思类脑首席科学家李孟、中科院深圳先进院副研究员李永程、以及伦敦大学学院（UCL）副教授赵湖斌。 在本次圆桌讨论中，专家们达成了一个核心共识：2026年极有可能成为“脑机接口产业化应用元年”。 这一判断并非盲目乐观，而是基于技术范式的转移 — — 人工智能（尤其是大模型）的介入，正在将 BCI...

从“几何路径规划”到“空间智能”，具身智能正在经历史诗级范式跃迁。 作者丨岑峰 如果说大语言模型（LLM）的爆发赋予了 AI 思考的“灵魂”，那么具身智能（Embodied AI）的崛起则是要为 AI 打造一副可以感知、行动并改变物理世界的“身体”。在这一进程中，导航技术作为机器人触达环境的第一步，正经历着从传统的“几何路径规划”向“空间智能”的史诗级范式跃迁。 当下的具身导航早已超越了简单的 A 点到 B 点的避障。随着三维视觉、神经渲染（NeRF/3DGS）以及端到端（End-to-End）智驾经验的深度融合，机器人的“眼睛”越来越亮，“腿脚”也愈发灵巧。 这背后隐藏着一场技术范式之争：具身导航的命门，究竟在于大脑的空间理解与常识推理，还是在于肢体在物理世界中的精密执行与安全反馈？ 本期 GAIR Live 邀请到了两位极具代表性的跨界专家 — — 浙江大学百人计划研究员彭思达博士与具身多模态大模型算法专家郝孝帅博士。彭思达博士深耕三维视觉与神经渲染（如 3DGS、NeRF），代表着具身智能的“眼睛”与空间大脑；郝孝帅博士作为全球首个跨域具身大模型...

拆解医学专用大模型如何跨越从“信息检索”到“严肃医疗”服务的鸿沟，打造“以患者为中心”的AI医疗生态。 作者丨岑峰 随着大语言模型从生成式对话向专业垂直领域的深度渗透，医疗健康正成为 AGI 落地最具价值也最受关注的“深水区”。过去，大众在面临健康困惑时，习惯于在搜索引擎的碎片化信息中自行“拼图”，往往陷入信息矛盾与焦虑。而今天，以蚂蚁集团“阿福”为代表的医学大模型，正凭借其强大的知识整合能力与多模态交互体验，迅速从实验室的 Demo 演变为拥有千万级日活、覆盖全年龄段的“国民级健康伙伴”。 然而，当 AI 开始介入严肃医疗与日常健康管理，一系列深层命题也随之而来：垂类模型如何在通用模型之上构建不可替代的专业壁垒？如何平衡医学的科学严谨性与人文关怀的温情？在面临“AI 迎合性”导致的伦理风险时，我们该如何划定安全红线？ 为此，本期 GAIR Live 举办了题为“AI for Health：从‘实验室...

摘要/导语：CubeComposer：一种基于时空自回归的360°视频生成框架，兼顾清晰度、连贯性与沉浸感。 作者：郑佳美 编辑：岑峰 很多人都经历过这样一种落差。现实里的空间是立体的，是包围人的，是可以转身、抬头、回望的，可一旦被手机或相机拍成视频，世界立刻被压缩成一个窄窄的取景框。 暴雨来临前的天空并不只在镜头正前方，深夜街区的压迫感也不只来自路面，商场中庭、地下车站、展馆大厅、建筑内部，这些真正让人产生现场感的东西，往往恰恰存在于镜头之外。我们记录下了事件，却没有真正留住空间，保存了画面，却没有保存身处其中的感觉。 这也是今天沉浸式内容产业最真实的困境之一。大家已经越来越明确地意识到，未来的视频不只是给人看，更是给人进入、环视和停留的。VR、数字展陈、虚拟空间、文旅体验、游戏场景、线上看房、远程教育，这些领域真正需要的都不是普通平面视频，而是能够承载空间感、方向感和临场感的全景内容。 问题在于，需求已经跑在前面，生产方式却还停在后面。要拍摄高质量 360°...

AI究竟是药物研发的颠覆者，还是仅仅是个高级的“加速器”? 作者丨岑峰 过去几年，无论是AlphaFold家族的惊艳迭代，还是各类生成式AI在分子设计上的“狂飙”，都给外界营造出一种错觉：AI似乎即将彻底颠覆制药行业，甚至有人开始倒数“全AI设计新药"上市的日期。 然而，真实情况却是：那些在硅基世界里被打分极高、看似完美的分子，却在进入真实的碳基人体后屡屡折戟。在真实的临床二、三期试验中，AI制药的失败率依然居高不下。 在AI算力呈指数级暴涨的今天，为何药物研发却陷入了“反摩尔定律”——技术越来越先进，投入的资金越来越庞大，但新药产出率却在持续下降？ 在这场算力与生命科学的碰撞中，AI究竟是颠覆者，还是仅仅是个高级的“加速器”? 近日，雷峰网及AI科技评论组织了一场主题为“后AlphaFold时代AI制药的破与立”线上圆桌，南佛罗里达大学教授许东、同济大学生命科学与技术学院教授刘琦、香港大学数据科学与药学系副教授张清鹏，三位横跨计算科学、生物信息学与复杂系统科学的顶尖学者，展开了一场两小时的深度对谈。 对于没有时间观看直播的读者，我们提炼了本次圆桌的四大核心洞察： ...

MangoBench：评估多智能体在多目标任务中协作能力的离线基准。 作者丨郑佳美 编辑丨岑 峰 很多人其实已经在不知不觉中接触到了多智能体协作带来的变化。 电商大促时，仓库里往往不是一台机器人在工作，而是一整组机器人同时分拣、运输、避让和交接。自动驾驶真正困难的地方，也不只是让一辆车学会开，而是让很多辆车在同一条路上彼此配合。现实中的很多复杂任务，本质上都不是单个智能体可以独立完成的，智能系统也是一样。 但现实世界并不会给这些系统太多试错机会。仓库机器人撞一次货架，工业机械臂装错一次零件，代价都是真实的。也正因为如此，越来越多研究开始转向离线强化学习，也就是先利用已有数据训练策略，而不是依赖实时试错。 可一旦从单智能体走向多智能体，难度会迅速上升，因为系统不仅要学会做决策，还要在反馈有限的条件下学会协作。 这正是当前行业里的一个现实瓶颈。很多方法在实验环境里效果不错，但到了离线多智能体场景中，往往很快暴露出问题。...

基于事件链与关键帧机制，提升时序与因果一致性。 作者丨郑佳美 编辑丨岑 峰 想象这样一些常见却又微妙的场景：一勺蜂蜜缓慢倒入热茶，本应拉出细长连续的丝状流动，但很多生成视频却会突然断裂甚至凭空消失；一块冰在室温下逐渐融化，真实过程应该是边缘先软化、体积变化、最终消散，而生成结果却常常直接从完整变成消失；一个玻璃球落入水中，本应经历接触水面、减速下沉、逐渐稳定的过程，但模型却可能只给出一个结果画面。 这些现象并不罕见，也正是当前视频生成技术最容易让人出戏的地方。画面看起来像，但过程不对，缺乏因果关系，也缺乏真实世界中那种连续演化的逻辑。 随着视频生成模型的发展，从 OpenAI Sora 到 Kling 等系统不断刷新视觉质量的上限，行业已经基本解决了清晰度和风格的问题，却逐渐暴露出更深层的瓶颈，即模型缺乏对物理规律的理解能力。 现有方法更多依赖数据驱动的模式匹配，本质上是在生成看起来合理的结果，而不是在模拟真实发生的过程，这也导致在流体、热变化以及多物体交互等场景中表现明显不足。 在这样的背景下，来自四川大学的雷印杰团队提出了一项新的研究工作《Chain of...