跳到正文
热点事件历史事件

虚拟世界具身智能体持续预训练的扩展规律研究

1 篇报道1 个报道来源2026-10-20更新

先了解这件事

AI 综述

Kuan Zhang 等作者在一篇 arXiv 论文中,用 120 组训练配置系统研究了虚拟世界中具身智能体的持续预训练(CPT)。实验在数据量、数据多样性和模型规模(0.8B 至 27B)三个维度上进行。 论文称,数据多样性能提升模型向相关世界的迁移效果,但对差异较大的世界增益有限;模型规模越大,数据效率越高,但在只用单一世界训练时,对远距离世界的泛化反而更差。 作者据此认为,要构建通用具身智能体,仅靠持续预训练还不够,还需要比它更丰富的训练阶段。

AI 根据报道生成 · 2026-10-22更新

报道时间线

沿着报道,了解事件的不同侧面。

10月20日
  1. arXiv 游戏 AI 检索精选
    游戏中的规模化研究:多样虚拟世界中具身智能体的持续预训练

    论文通过 120 组训练配置,系统研究了持续预训练中数据量、多样性和模型规模对具身智能体的影响,模型规模覆盖 0.8B 到 27B。研究发现,多样性能提升对相关世界的迁移效果,但对差异较大的世界增益有限;模型规模能提高数据效率,但在单一世界训练下对远距离世界的泛化更差。作者认为,要构建通用具身智能体,还需要比持续预训练更丰富的训练阶段。