UC伯克利研究团队通过“模块化教学+智能选动作”方案，解决了人形机器人在家庭和办公环境中使用洗碗机等任务的协同问题，降低了操作难度，提升了机器人在复杂环境中的应用能力。

天才陈立杰已加盟OpenAI，负责数学推理。他16岁保送清华，后在UC伯克利担任助理教授，专注于计算复杂性理论，并在信息学竞赛中表现优异，发表多篇重要论文，近期研究扩散语言模型。

机器之心数据服务现已上线，提供高效、稳定的数据获取服务，简化了数据爬取流程。

机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。

自20世纪以来，数值天气预报（NWP）成为气象预测的重要工具，但传统模型计算成本高。研究团队推出FourCastNet 3（FCN3），结合概率机器学习与球面信号处理，显著提升预测速度与精度。FCN3在单张GPU上可快速生成高分辨率天气预报，超越传统模型，推动气象预测技术进步。

英伟达等研究团队推出的FourCastNet 3（FCN3）结合球面信号处理与隐马尔可夫模型，显著提升了天气预报的精度与效率。FCN3在单张GPU上可在60秒内完成15天天气预报，速度是传统模型的60倍，并在概率技巧上超越现有标准，为气候研究与灾害防御提供了有力支持。

机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。

机器之心数据服务现已上线，提供高效稳定的数据获取服务，帮助用户轻松获取所需数据。

机器之心数据服务现已上线，提供高效稳定的数据获取服务，帮助用户轻松获取所需数据。

UC伯克利等团队研发的LeVERB框架首次实现人形机器人视觉感知与运动控制的结合，机器人能够根据语言指令自动完成复杂动作。在Unitree G1机器人上测试，零样本成功率达到80%，整体任务成功率为58.5%，显著优于传统方法。

北大与伯克利合作推出IDA-Bench基准，测试AI在多轮指令下的数据分析能力。结果显示，顶尖模型如Claude-3.7和Gemini-2.5 Pro的成功率仅为40%。该基准模拟真实分析师的工作流程，强调动态交互的重要性，揭示AI在理解和遵循指令方面的不足。

机器之心数据服务现已上线，提供高效稳定的数据获取服务，简化数据爬取流程。