BriefGPT - AI 论文速递 ·

VLABench: A Large-Scale Benchmark for Long-Horizon Reasoning Tasks in Language-Conditioned Robotics Manipulation

💡 原文英文，约100词，阅读约需1分钟。

📝

内容提要

VLABench是一个针对语言条件下机器人操控的长远推理任务的大规模基准，包含100类任务和2000多个对象，强调自然语言指令和推理能力。研究表明，现有视觉语言行动模型在这些任务中仍面临挑战。

🏷️

DeepSeek-V4 模型结构（2）：序列维度（中），Lightning Indexer 与稀疏选择
本文介绍DeepSeek-V4模型中的压缩稀疏注意力（CSA）机制。KV缓存每4个token压缩为一条，1M上下文仍有26万条目，故用lightning ...
DeepSeek-V4 模型结构（1）：序列维度（上），从 MLA 到压缩 KV
本文介绍DeepSeek-V4的注意力机制，从MHA到CSA/HCA的演进，重点分析压缩KV缓存的方法。V4将每4或128个token压缩为一条512维K...
DeepSeek-V4 模型结构（0）：一张图看懂 DeepSeek-V4
本文介绍DeepSeek-V4模型架构：Pro版总参数1.6T、61层，Flash版284B、43层，均采用4条残差流、交错CSA/HCA压缩注意力与Mo...
CD销量激增，实体媒体持续复兴
美国唱片业协会报告显示，2026年上半年CD销量达1750万张，同比增长45.7%，销售额增长58.6%至1.711亿美元，扭转了此前下滑趋势。黑胶唱片销...
Kimi K3 模型结构（7）：结构决定系统
本文总结Kimi K3模型结构对训练与推理系统的影响。KDA采用三种执行形态（FlashKDA、设备内上下文并行、状态回滚）处理固定大小状态；上下文并行通...
Kimi K3 模型结构（6）：输入端与零件，MoonViT-V2、MTP、Per-Head Muon
Kimi K3模型采用从零训练的MoonViT-V2视觉编码器，27层、patch14结构，支持高分辨率图像token化；MTP层预训练后微调为EAGLE...