量子位
·
开源炸场！优必选具身智能大模型Thinker再次狂揽9项全球第一！
💡
原文中文，约2900字，阅读约需7分钟。
📝
内容提要
优必选的Thinker大模型进行了架构升级，专注于小参数、高性能和全开源，获得9项全球第一。该模型旨在提升人形机器人在工业场景中的反应速度和空间感知能力，推动技术进步与应用普及。
🎯
关键要点
- 优必选的Thinker大模型进行了架构升级，专注于小参数、高性能和全开源。
- 该模型旨在提升人形机器人在工业场景中的反应速度和空间感知能力。
- Thinker在10B以下的具身智能大脑模型评测中获得9项全球第一。
- 优必选构建了全链路数据解决方案，提升数据质量以支持模型训练。
- 通过自动化标注体系，优必选将人工参与率控制在1%以下，显著降低成本。
- 优必选的训练范式保障模型的泛化与迁移能力，覆盖多样化样本。
- 双向数据回流机制确保模型持续进化，推动技术落地与应用。
- 优必选坚持开源共享理念，开放模型权重和训练工具链，促进行业普及。
❓
延伸问答
优必选的Thinker大模型有什么特点？
Thinker大模型专注于小参数、高性能和全开源，旨在提升人形机器人在工业场景中的反应速度和空间感知能力。
Thinker大模型在评测中取得了哪些成就？
Thinker在10B以下的具身智能大脑模型评测中获得9项全球第一，重新定义了该领域的性能标杆。
优必选是如何提升数据质量以支持模型训练的？
优必选构建了全链路数据解决方案，通过精炼提纯、自动化标注等方式提升数据质量，确保模型训练的有效性。
Thinker大模型的开源理念是什么？
优必选坚持开源共享理念，开放模型权重和训练工具链，促进行业普及，鼓励开发者共同探索应用。
优必选如何解决标注成本高的问题？
优必选通过搭建自动化标注体系，将人工参与率控制在1%以下，显著降低成本并提升标注效率。
Thinker大模型如何确保持续进化？
通过双向数据回流机制，优必选将真实场景中的新数据反馈至模型训练，确保模型持续进化和性能提升。
➡️
