GR00T N1.6和N1.7是NVIDIA开发的视觉语言模型（VLM），用于机器人控制。N1.6改进了模型结构，支持灵活分辨率，并引入新数据集；N1.7在此基础上增强了模型的泛化能力，并在大量人类视频数据上进行预训练，提高了机器人控制的精确性和效率。

具身智能的关注点已转向数据模型，数据采集面临认知对齐的挑战，模型训练需要大量真实数据。评测标准亟需统一，低分不一定代表模型性能差。未来应重视数据质量与复用性，推动无感化数据采集，以提升模型的泛化能力。

本文介绍了LARYBench，一个用于评估隐式动作表征的基准系统，旨在提升机器人在不同环境中的泛化能力。LARYBench分析了大规模人类视频数据，提供超过一百万段标注视频，涵盖151种动作，支持多样化的机器人形态和操作场景。实验结果表明，通用视觉模型在动作泛化和控制精度上优于专门模型，强调了隐式动作表征的重要性。

通过使用评估数据（evals），我们可以迭代改进智能代理的性能。评估数据作为训练数据，指导代理学习和优化行为。强调数据质量和设计的重要性，以避免过拟合，并通过手动编写、生产追踪和外部数据集获取评估，确保代理在新输入上的泛化能力。

合成数据在真实数据稀缺时可提升模型的泛化能力，但过度依赖可能导致性能下降。本文提出一个学习理论框架，量化合成数据与真实数据之间的权衡，利用算法稳定性推导泛化误差界限，以确定最优的合成与真实数据比例。通过对混合数据的核岭回归分析，发现合成数据比例与测试误差呈U型关系，并在CIFAR-10和临床脑MRI数据集上进行了验证。理论扩展至领域适应，表明合理混合合成目标数据与有限源数据可减轻领域偏移，增强泛化能力。

研究团队提出了一种新型神经元模型ReSU，克服了传统深度学习的局限。ReSU通过自监督学习和时间动态性，模拟生物神经元特性，展现出更高的能效和更好的泛化能力，为AI发展提供新方向，并有助于理解生物系统的工作原理。

Agent World Model（AWM）是一个生成1000个合成环境的系统，解决了智能体训练环境多样性不足的问题。它提供丰富的工具和任务，确保智能体的泛化能力超越传统方法。AWM通过代码驱动和数据库支持，系统化合成流程，推动智能体训练进步，为未来AI发展奠定基础。

本文介绍了一种新型机器人学习模型X-VLA，采用软提示技术以提升跨具身机器人学习的适应性和泛化能力。通过引入可学习的嵌入，X-VLA有效解决了不同硬件和任务环境下的异质性问题，增强了模型在多样化数据集上的表现。该模型在多个基准测试中表现优异，展现出在灵巧操作和适应新领域方面的强大能力。

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。

本文介绍了SpecTokenizer，一种轻量级流式神经音频编解码器，采用压缩谱域建模，显著降低计算量和参数规模。实验结果表明，其在低码率下优于现有模型，适合资源受限环境，具备良好的泛化能力和高效的部署潜力。

本文介绍了HumanoidPF（类人潜力场），一种用于人形机器人在杂乱室内场景中无碰撞穿越的技术。该方法通过编码人形体与障碍物的关系，提升机器人在复杂环境中的避障能力。研究者提出了一种混合场景生成策略，结合真实和程序化障碍物，增强训练效果。HumanoidPF被应用于Click-and-Traverse系统，实现高效遥操作导航，实验结果显示其在拥挤场景中表现优异，具有良好的泛化能力。

数据增强通过微调现有数据生成新训练样本，帮助模型减少过拟合并提升泛化能力。文章讨论了图像、文本、音频和表格数据的增强方法，强调在线与离线增强的区别及避免数据泄露的重要性。

腾讯混元团队推出的世界模型WorldPlay，实现了实时交互式世界建模，解决了生成速度与内存占用的平衡问题。该模型采用双重动作表示法、重构上下文记忆机制和情境强迫蒸馏方法，能够以24 FPS生成720p高清流媒体视频，展现出优秀的泛化能力，为具身智能和游戏开发等领域开辟了新前景。

Ilya Sutskever 表示，AI 的“规模时代”已结束，未来应重视研究。他指出，现有 AI 依赖大量数据，缺乏泛化能力，类似于只会死记硬背的学生。未来的 AI 应具备情感和价值函数，以提升学习效率。Ilya 认为，AGI 更像是聪明的少年，能够快速学习和整合经验，人类需与 AI 融合，以保持未来的主导地位。

Ilya Sutskever 在播客中讨论了 AI 的泛化能力不足、训练数据选择问题以及人类学习速度快的原因。他指出，当前 AI 模型在考试中表现良好，但在实际应用中能力有限，强调需要关注模型的泛化能力和学习效率。他认为 AGI 应该是能够快速学习的系统，而不是一开始就具备所有技能的成品。

Hugging Face推出了检索嵌入基准（RTEB），旨在更准确地评估嵌入模型在实际检索任务中的泛化能力。该基准结合了公开和私有数据集，涵盖法律、医疗、金融等领域，支持多种语言，力求成为AI检索性能的社区标准。