π0.7是一种新型通用机器人模型，具备强大的组合泛化能力。通过多模态数据和详细上下文标注，该模型能够有效执行多样化任务，并在新任务中展现灵巧技能。它结合了人类视频和机器人自主数据，提升了在复杂环境中的表现。引入子目标图像和任务元数据增强了模型的指令理解和执行能力，使其在多样化数据上训练时表现出色。

状态空间模型（SSMs）在序列建模中逐渐取代变换器，因其在长上下文生成中的高效性。研究表明，通过与外部工具互动，SSMs能够克服在“真正的长形式”生成中的局限，实现任意问题长度的泛化。这表明SSMs在交互式工具应用中可能成为变换器的高效替代方案。

RoboChallenge发布的Table30 V2旨在提升具身智能模型的泛化能力。新版本引入多任务、零样本测试和双臂协作，评测标准和系统吞吐量提升300%。该平台为全球研究者提供公平的竞技环境，推动具身智能的发展。

北京大学彭宇新团队提出了分类感知表征对齐方法TARA，旨在解决多模态大模型在生物类别分层识别中的挑战，提升细粒度和分层视觉识别的准确率。该方法通过对齐大模型与生物基础模型的表征，注入类别树知识，从而增强模型的识别能力。

本文探讨了电子商务搜索中的稀疏嵌入微调，分析了专业化与泛化的权衡。研究表明，专注于特定领域的微调在单一零售商中效果最佳，而多领域训练则在多个零售商中更具泛化能力。微调模型能够更好地理解特定领域的搜索模式和词汇，从而提升搜索效果。

EMBridge是一个跨模态表示学习框架，旨在通过将表面肌电信号（sEMG）与高质量结构化数据对齐，提升手势识别的准确性。该框架采用查询变换器和对比学习目标，实现了零样本手势分类，展示了在可穿戴设备上进行手势识别的潜力。

GigaBrain-0是一种新型视觉-语言-动作（VLA）模型，旨在通过整合视觉输入、自然语言指令和运动控制，提升机器人在多样环境中的操作能力。该模型利用生成的数据，降低对真实世界数据的依赖，提高泛化能力和数据效率。GigaBrain-0采用混合架构，增强空间感知能力，并通过生成中间推理步骤，模拟人类问题解决过程，实现更精确的操作和决策。

RDT2是一种新型机器人基础模型，旨在实现跨本体、物体和场景的零样本迁移能力。通过使用UMI数据集和三阶段训练策略，RDT2能够高效处理多样化的真实世界任务，提升机器人在未见物体和场景中的泛化能力。该模型在微调实验中表现优异，尤其在复杂操作和动态任务中，展现出显著的性能提升。

AI短名单是对长篇文章的简要概述，旨在提炼出核心信息。

Google DeepMind推出SIMA 2，这是一种基于Gemini模型的通用智能体，能够在多个3D虚拟环境中理解和行动。与前版本相比，SIMA 2具备制定多步计划和与用户讨论策略的能力。研究显示，该智能体在游戏测试中接近人类表现，并能在新环境中自我改进。SIMA 2的应用潜力包括机器人领域，但仍面临复杂任务的挑战。

本研究探讨了语音基础模型在可穿戴传感器数据时间序列任务中的应用，发现该模型在情绪分类和心律失常检测等任务中表现优异。通过简单的探测方法，提升了数据稀缺时间序列任务的性能，促进了语音与传感器模态的统一发展。

本文介绍了一种对比姿态-肌电预训练（CPEP）框架，旨在提升基于肌电信号的手势分类性能。通过对低质量数据与高质量数据的对齐，CPEP提高了表示质量，实现了零样本分类。实验结果显示，该模型在已知手势分类上提高了21%，在未知手势分类上提高了72%。

本文探讨了扩散变换器（DiT）模型的归纳偏差对泛化能力的影响。研究发现，局部注意力窗口与泛化能力密切相关，通过限制注意力窗口并注入局部注意力，可以显著提高模型的泛化和生成质量，尤其在训练数据较少的情况下。优化DiT的归纳偏差有助于提升性能。

语音和声音条件影响语音的声学特性，从而影响情感模型的表现。研究表明，非典型语音的情感预测结果与典型语音显著不同，尤其在悲伤情感的预测上。通过微调伪标记的非典型语音数据，可以提升模型在此类语音上的表现，强调了更广泛的训练和评估数据集的必要性。