看得更像人，也更像一个会自我改进的智能体
2条摆在这一期1个信源2个分节2条收进刊期
本期导语
本周 Google DeepMind 两条精选落在「机器如何理解世界」这件事的两端。一端是感知：团队在 Nature 发表论文，分析 AI 组织视觉世界与人类不同的关键之处——能分辨几百种车型的系统，却可能抓不住汽车与飞机皆为大型金属载具的共通性——并给出让表征更贴近人类知识的方法，鲁棒性与可靠性随之改善。另一端是行动：SIMA 2 把 Gemini 接进来，从一个指令跟随者变成会思考目标、能对话、可随时间自我改进的虚拟 3D 世界伙伴，官方把它钉在通向 AGI 的那一列。
本期看点
视觉表征的对齐SIMA 2：会推理也会自我改进
视觉表征的对齐
在 Nature 发表的研究分析 AI 系统组织视觉世界的方式与人有何关键差异：即便能识别数百种汽车厂商与型号，也可能抓不住汽车与飞机皆为大型金属载具这一共通性；团队给出让系统对齐人类知识的方法，并证明弥合这些差异能改善鲁棒性与可靠性。
Google DeepMind 发布 SIMA 2：接入 Gemini 后能在虚拟 3D 世界里推理、对话并自我改进去年 SIMA（Scalable Instructable Multiworld Agent）已经能在多种虚拟环境里听懂基本指令，把语言翻译成有意义的行为。今天发布的 SIMA 2 把这个方向推了一步：它把 Gemini 的先进能力接了进来，从一个指令跟随者演化成了互动的游戏伙伴——不仅能听懂自然语言指令，还会思考自己的目标、与用户对话，并能随时间自我改进。官方称这是通向 AGI 的重要一步，对未来机器人与 AI 具身化有直接影响。SIMA 2：会推理也会自我改进
Google DeepMind 发布 SIMA 2，接入 Gemini 后从指令跟随者演化为互动的游戏伙伴：能听懂自然语言指令、思考自己的目标、与用户对话并随时间自我改进；官方称这是通向 AGI 的重要一步，对机器人与 AI 具身化有直接影响。
登 Nature：把模型的视觉表征重排成更像人看世界的方式，鲁棒性与可靠性随之提升视觉 AI 已无处不在——分类照片、识别没见过的花、控制汽车，但这些强大系统并不总像人那样看世界，行为也时有出人意料：比如一个能识别几百种汽车厂商与型号的系统，可能仍抓不住汽车与飞机之间的共通之处，也就是两者都是主要由金属构成的大型载具。为了厘清这类差异，团队今天在 Nature 发表论文，分析 AI 系统组织视觉世界的方式与人不同的关键之处，给出让系统更好地对齐人类知识的方法，并证明弥合这些差异能改善其鲁棒性。其它期 ↗本期刊物按 2025 年第 46 周 这一期的时间窗整理生成，范围是当前工作区发布的这一份内容包；条目版权归原作者与信源所有。