量子位梦晨
具身智能切入长上下文,ICL 成为机器人 Scaling 新路径
原标题:具身ICL来了创业玩家!上下文成Scaling新赛道
行业73
大模型的长上下文探索延伸到了物理世界。初创团队开始尝试将多模态 In-Context Learning 引入具身系统,让机械结构在更长的环境交互序列与动作历史中推演任务,摆脱对频繁微调的依赖。参数与采集数据之外,时间跨度的经验留存正成为具身智能的新支点。
为什么值得读
当纯粹堆叠参数遭遇物理端数据采集门槛,依靠长上下文在运行期直接推演泛化,成为具身智能值得验证的缩放方向。
标签
具身智能In-Context Learning机器人多模态长上下文Scaling Law