跨具身跨任务导航基础模型
深度2025年9月15日53 分钟阅读
最有趣的发现是NavFoM通过标识符令牌统一处理不同相机配置和任务时间跨度，在有限令牌长度下采用动态采样策略，实现了跨具身形态和任务的零样本泛化。人工智能研究者、机器人工程师及自动驾驶开发者应阅读本文，了解如何构建通用导航基础模型。
本文编译自 Embodied Navigation Foundation Model，版权归原作者所有。
觉得有用？分享给更多人
相关文章
Goodfire 推出一种新型 AI 智能体监控方案，通过探针读取模型内部激活信号而非重读输出，在 Kimi K3 测试中监控约 1500 次会话仅需 51 美元，远低于传统方案的 233 至 10000 美元，同时捕获 94% 的恶意黑客会话。该技术已通过 Baseten 向客户提供，针对开源模型缺乏安全护栏的问题。
深度·10月8日·4 分钟
作者把自己的 Azure 凭证交给编程 Agent，实测了鉴权、授权、权限范围和审计覆盖的真实状态。借来的凭证让审计日志只认人不认 Agent，还悄悄继承了人累积的组权限（而标准权限检查根本看不到这些）。即使换成配置规范的服务账号，问题依然存在：数据库无法区分调用者是谁。
深度The New Stack·10月8日·12 分钟