（来源：上观新闻）
（本文作者为🍓🕣 窄播，钛媒体经🧙♂️授权发布） 🌐🥽文 |😚 窄播🧟♀️🎎，作者 | 李🚆🇹🇰威 这🇪🇬是《窄播Week🔄🚃ly》😯的第87🎺期，本周↖我们关注的商业动🚊🚧态是：🧺🔭进入2🦕🇪🇦026年，更多◾💯具身智能公司开😊始致力🇨🇰于展现人形机器人❗🌱真实的「进厂」打🥗工能力🚐🇨🇩。如今，👩🦳🐁大模型的竞争🌞🍧已经到了新的阶🏺🇱🇹段🐣🆙。2026🅿🍡年元旦，De🇪🇬epSe🇦🇿ek在arXiv🇵🇰✋上发布了一篇🏔新论文，提出了m💍HC（流形🛬🧓约束超♊连接）架🇰🇿构，通🛩过将连🃏🔁接权重矩📓阵约束🧁🇬🇮在双随机✋矩阵流形上，解🇻🇬决了超连接架构在👩💼💄大规模训练中🙄的不稳定性问🇲🇹题🇩🇪。
对于大量中小律所🚣而言，这是🇸🇳一笔颇🏗🇱🇺为沉重的负担🇩🇬🈳。这是AI时代最值🇪🇪💒得珍视的礼物🥩🇻🇨之一👨👨👧👧📦。具体架构要🇹🇹🦏素： 🥇编码器 E_🇨🇱😦θ：ViT-L☔🐺/H/g（3🥰00M–1🇳🇺B 参🇿🇲数），把🏊视频切成 ▫💭2×16×1😥6 的 tub🌙elet 🚂🇷🇪预测器 P_φ🍱：一个轻量🇬🇳🧝♂️ Vi🌧T-S（约👨👨👦🍱 22M）预🕠测被 mask🇨🇺💞 部分的潜空🚮间表征 使用🦀 3D🔎🐠-RoPE 位置🕎🐳编码（时间+H🆒+W） 约🏚 90% 的♨高 mas🕡🚚k 比率，L1🌽 损失📻，EMA 🇷🇪🧗♀️teac🌌her 📃防止表征坍塌 训☘♋练数据🚴 VideoM🏮ix22M = 🇱🇦2200 万视👨👨👧频 ≈🏇 100 万小时🚂🧟♂️互联网视频 在〰🚉 Somet👪hin🇪🇷g-Someth🇮🇳🇨🇼ing v2 取🗳🏹得 77.🇸🇲3% top-🔵1（运动理解）🥮，Epic-Ki👛🥴tchens-1🏫👨👨👧👧00 动作预🚑测 39.🛏7 R@5（👨👩👦👦SOTA）🇦🇽🤰 为什么像素重建😭不适合碰撞预♾️💖测，而潜空间🇹🇱预测适⬅合？像素重建优化🇹🇨◾的是"下一帧长👩🏫什么样"（视觉保🐱🏙真度），💊💘潜空间🇻🇺预测优化的是🚎"下一帧🇬🇶🌔的抽象语义/物理😂🇲🇻状态"（物⏩理因果）📑🇦🇮。
