（来源：上观新闻）
博主表示⚫🎤：“国行版本涉🍂及到的内容🛤太多，我📊不做百分百🕧👨🔬保证信息🇨🇬👚正确🙆。“数据飞轮😗🌮部署的机器🌍人越多📌🚥，飞轮转✌🇲🇰的越快，采集的数🇩🇯据也越多，模型👨💼🔓的训练能力肯定🇲🇷也就越强😆🇳🇬，这个飞轮一旦🥽转起来就😙将产生指数级⛔丁香五月久久的网络🏗🤡效应，🏸👖智元的判🇰🇿🎛断是20🍬26年⚠飞轮也是会开🚺🦐始加速👩⚕️转动🆒。
具体架构要素📘🏍： 编👨🎤码器 E😦♦_θ：💽🔣ViT-👭⏱L/H/g（30🇦🇫0M–1💶🗨B 参数），把🚲😹视频切成 2×🙍♂️🥎16×16🛋🐃 的 tubel🚜et 预测📫🥏器 P_φ：一🤒个轻量 V🔛⁉iT-S（约 📰22M）预🇲🇪🧬测被 ma👨🙈sk 📦🇫🇴部分的潜空间表征🧾 使用🐍🐑 3D-Ro📆🔌PE 位置编码👨👩👧👦🎤（时间+H+W）🕉🇧🇮 约 9🌓🧱0% 的高 ma🇪🇪🇻🇨sk 比率，L🤴1 损失，E👨👨👧👧🥉MA 🚻teach⛹️♀️er 🇳🇺防止表征🤖🇻🇬坍塌 训练数据🤵🕤 VideoM👨🇻🇦ix22M =🇸🇾 2200 万🤸♀️视频 🎂🇵🇭≈ 100 🍗🏊万小时互联网视🇾🇪频 在🤮 Some🤫thi🍡ng-Some🤳🇨🇲thing 💢🇱🇺v2 🚿🏊取得 77.🗑3% top🧧-1（运动理解）🐵，Ep🥉🗽ic-Kit🕛🐙chens-👩🎤💛100👍🌍 动作预测 39🥮.7 R@🇦🇹🇻🇳5（SOTA🍽） 为什么像素重🇷🇼🍽建不适合碰撞预⏫测，而潜空间🗃预测适合🇸🇾🏕？像素重建优化⭐的是"下一帧🧖♀️长什么样"🇦🇿🗒（视觉保真度），🇬🇪潜空间⏫预测优化🧚♂️的是"下一帧的抽❓📝象语义/物理状态🆗"（物理因果🗞）🦊🇮🇩。
当外部业务环境已🇨🇭经改变，检😇🇧🇪索出的记忆仍是🎰旧版本🆙🏀时，陈旧失6️⃣🕢效的记忆🇧🇻会向模型⏭提供完全扭曲的当🆑🐦前问题表征⛄。前几天🤒，An🌃thro↕pic 开源✍💆♂️了 cl✂aude-de👼🚧skto🖨◼p-b🐕📉uddy，用一🌸块小屏幕显示 ♣💓Claud☺e Code 里🇺🇾 Bu☄🤼♀️ddy 的🇸🇮状态🇮🇳。
