扩散模型版CS: GO！世界模型+强化学习：2小时训练登顶Atari 100K
环境生成模型（generative models of environments），也可以叫世界模型（world model），在「通用智能体规划」和「推理环境」中的关键组成部分，相比传统强化学习采样效率更高。
但世界模型主要操作一系列离散潜在变量（discrete latent variables）以模拟环境动态，但这种压缩紧凑的离散表征有可能会忽略那些在强化学习中很重要的视觉细节。
从扩散模型到泊松流模型，生成式AI的物理基础是否有望大一统？
人工智能工具，特别是神经网络，对物理学家来说大有裨益。多年以来，这项技术助力研究人员重构加速器实验中的粒子轨迹、寻找新粒子的证据，以及探测引力波和系外行星。虽然AI工具对物理学家的帮助不言而喻，但麻省理工学院的物理学家Max Tegmark如今却提出了这样的问题：“物理学能回馈人工智能什么呢？”
Tegmark坚信，物理学家能对人工智能的科学理论（the science of AI）做出显著贡献，他也把这个目标定为自己的研究首要任务。Tegmark认为，物理学家可以通过用已经被深入理解的物理过程方程，替代神经网络中那些难以理解的“黑箱”算法，从而推进AI技术的发展。
扩散模型攻克算法难题，AGI不远了！谷歌大脑找到迷宫最短路径
多模态扩散模型开始爆发，这次是高速可控还能学习推理的LaViDa
近段时间，已经出现了不少基于扩散模型的语言模型，而现在，基于扩散模型的视觉-语言模型（VLM）也来了，即能够联合处理视觉和文本信息的模型。今天我们介绍的这个名叫 LaViDa，继承了扩散语言模型高速且可控的优点，并在实验中取得了相当不错的表现。
