Llama | 微调、量化、本地部署一条龙讲解,简单易行100%跑通的方法!
【Lumina Talk 第24期】 清华大学于超老师|RLinf:VLA模型的强化学习后训练系列研究
杨立昆团队:用0.7%参数实现40%性能跃升,碾压7B级VLA!推理仅需11毫秒,训练6.5小时搞定
【清华大学】清华教授张亚勤:人工智能 无尽的前沿 | 完整版
Talk | 卡耐基梅隆大学何泰然:安全、敏捷、能泛化的基于强化学习的机器人控制
翁家翌:OpenAI,GPT,强化学习,Infra,后训练,天授,tuixue,开源,CMU,清华|WhynotTV Podcast #4
具身智能:从 VLA 到 World Action Model
【Lumina Talk 第32期】通研院人形机器人专场 | OmniXtreme, OmniTrack, OmniClone and TacThru
2026年具身智能入门学习!B站最好的机器人学习教程:模仿学习、最优控制与规划、策略梯度方法、离线强化学习、机器人模拟
具身智能到底是什么?一张图讲清整个领域!【5分钟具身智能系列】
一口气看懂VLA
从“观光客”到“掌舵者”:告别低效自学,跟随清华教授,系统学习AI算法
2026北京智源大会丨强化学习
【Lumina Talk 第29期】PointWorld:面向机器人的3D世界模型
从“能动”到“会干”,走进人形机器人的「感知-决策-控制」全链路
[Lumina Talk 第38期] SANA-WM:分钟级单卡可部署高效世界模型
天才的下一站!清华姚班传奇陈立杰正式加入OpenAI
[Lumina Talk 第45期] 面向通用移动操作:感知如何对齐动作
[Lumina Talk 第40期] STEAM:无需人工标注的时序集成优势建模,让真实世界机器人学习更进一步!
清华姚班、OpenAI研究员吴翼:我们在训练AI的时候,目标都是简单的、明确的,但是人类的真实目标总是含糊的,不确定的。