Home
Language
English
Türkçe
Bahasa Indonesia
About
Privacy Policy
Terms of Service
Pricing
Sign In
Download All
Share
a股做空王
@kun2015167
Joined February 2026
72
Following
12
Followers
171
Posts
a股做空王
@kun2015167
about 13 hours ago
@jinglian
和s is哈萨克族相关学科想了想可想你想喝点酒
a股做空王
@kun2015167
1 day ago
@nln_cn
求拉
a股做空王
@kun2015167
1 day ago
@Hicker_Moledao
还招吗
a股做空王
@kun2015167
3 days ago
@CryptoJHK
1
a股做空王
@kun2015167
5 days ago
@hanking66
rklb 砸的有点狠 sp 挨打 要跟
kun2015167
retweeted
阿蔺A-Lin
@alin_zone
6 days ago
恭喜黄碧薇教授创办的 Aether AI 拿到融资。 黄碧薇教授做因果 AI,做了 12 年。从德国马普所,到 CMU,再到 UCSD 当助理教授。Causal-Learn 作者,发过 100 多篇顶会论文,拿过 Apple Scholar。 今年,她从学术界走出来,创办了 Aether AI。想做的事很直接:给机器人造一个真正能理解物理世界的大脑。 为什么这件事难? 现在的 AI 很厉害,会聊天、写代码、生成图片。但它学的大多是相关性。什么词后面常接什么词,什么动作后面大概率是什么结果。 在文字里,这套很好用,答错一句改一下就行。 可一旦进真实世界,问题就大了。机器人去抓杯子,抓空一次,杯子就碎了。桌面高两厘米,光线、材质、角度一变,任务可能就废了。 因为它要判断的是另一回事:手到底碰没碰到杯子,摩擦力够不够,重心会不会变,再动一下会不会摔。 说到底就一个问题,我现在动一下,世界接下来会怎样? 这就是因果。 她做的因果世界模型,挖的就是这个。不只是预测下一个状态,而是搞清楚变量之间怎么相互影响。换个动作结果会怎样,换个环境技能还迁不迁得过去,甚至,要是当时没做这个动作,结果会不会不一样。 因为真实世界不可能被训练数据全覆盖。桌面高度、物体材质、失败姿态,机器人不可能提前都见过。光背下见过的模式不够,理解了背后的因果结构,才谈得上举一反三。 这两年大家都在比谁模型更大、数据更多、卡更多。她的问题是反过来的,Scale What,你到底在放大什么?光堆遥操数据、堆视频、买算力,未必能解决泛化。关键是同样的数据,模型能不能挖出更深一层的东西。 她想从算法到系统,把这个以因果为核心的大脑做出来,服务机器人厂商,还有工厂、仓储物流、家居、医疗。 大模型打开了数字世界的门。因果世界模型,想打开物理世界那扇门。 关注黄碧薇教授
@huang_biwei
,看这条路怎么走。Aether AI 官网:https://t.co/70iNtd2hUx
See More
a股做空王
@kun2015167
6 days ago
好
阿蔺A-Lin
@alin_zone
6 days ago
恭喜黄碧薇教授创办的 Aether AI 拿到融资。 黄碧薇教授做因果 AI,做了 12 年。从德国马普所,到 CMU,再到 UCSD 当助理教授。Causal-Learn 作者,发过 100 多篇顶会论文,拿过 Apple Scholar。 今年,她从学术界走出来,创办了 Aether AI。想做的事很直接:给机器人造一个真正能理解物理世界的大脑。 为什么这件事难? 现在的 AI 很厉害,会聊天、写代码、生成图片。但它学的大多是相关性。什么词后面常接什么词,什么动作后面大概率是什么结果。 在文字里,这套很好用,答错一句改一下就行。 可一旦进真实世界,问题就大了。机器人去抓杯子,抓空一次,杯子就碎了。桌面高两厘米,光线、材质、角度一变,任务可能就废了。 因为它要判断的是另一回事:手到底碰没碰到杯子,摩擦力够不够,重心会不会变,再动一下会不会摔。 说到底就一个问题,我现在动一下,世界接下来会怎样? 这就是因果。 她做的因果世界模型,挖的就是这个。不只是预测下一个状态,而是搞清楚变量之间怎么相互影响。换个动作结果会怎样,换个环境技能还迁不迁得过去,甚至,要是当时没做这个动作,结果会不会不一样。 因为真实世界不可能被训练数据全覆盖。桌面高度、物体材质、失败姿态,机器人不可能提前都见过。光背下见过的模式不够,理解了背后的因果结构,才谈得上举一反三。 这两年大家都在比谁模型更大、数据更多、卡更多。她的问题是反过来的,Scale What,你到底在放大什么?光堆遥操数据、堆视频、买算力,未必能解决泛化。关键是同样的数据,模型能不能挖出更深一层的东西。 她想从算法到系统,把这个以因果为核心的大脑做出来,服务机器人厂商,还有工厂、仓储物流、家居、医疗。 大模型打开了数字世界的门。因果世界模型,想打开物理世界那扇门。 关注黄碧薇教授
@huang_biwei
,看这条路怎么走。Aether AI 官网:https://t.co/70iNtd2hUx
See More
a股做空王
@kun2015167
6 days ago
@alin_zone
好
a股做空王
@kun2015167
6 days ago
n
前端哥Liam
@jinglian
6 days ago
今天刷到的这条融资消息,让我很有感触。 很多人认为,下一代 AI 的发展路径仍然是继续堆参数、堆算力、堆数据。 但如果目标是机器人、Physical AI,事情没那么简单。 假设有两个小朋友。 第一个小朋友特别会背题。他见过 10000 次苹果掉地上,所以知道: "苹果松手后,大概率会往下掉。" 这是今天很多大语言模型擅长的事情——学习相关性(Correlation)。 它知道什么经常一起出现。 但第二个小朋友不一样。 他会问: • 为什么会掉? • 是重力导致的吗? • 如果把苹果换成杯子会怎样? • 如果风变大了会怎样? 这时候他学到的不是现象,而是规律。 这就是因果(Causality)。 语言世界主要靠相关性就能工作。但物理世界不一样。 机器人不需要知道"以前发生过什么", 机器人需要知道"如果我现在这样做,接下来会发生什么"。 这也是为什么很多 VLA、世界模型 Demo 看起来很惊艳: 训练环境里成功率很高。 但桌子高度变一下、光线变一下、物体位置偏一点, 性能就可能明显下降。 因为它学到的是相关性,而不是因果关系。 这家刚刚完成融资的公司 Aether AI。 他们想做的事情很有意思: 不是让 AI 记住更多案例,而是让 AI 学会理解物理世界背后的因果结构。 Aether AI 由黄碧薇教授
@huang_biwei
创立。 黄碧薇教授是 UCSD 助理教授,深耕因果 AI 研究 12 年,也是 Causal-Learn 作者之一。 如果说: • 第一代 AI 是规则系统 • 第二代 AI 是统计学习 • 第三代 AI 是大模型 那么以因果世界模型(Causal World Models)为核心的第四代 AI 范式,会不会成为 Physical AI 时代的重要方向? 如果你也对这个新范式感兴趣, 请关注
@huang_biwei
和 Aether AI: https://t.co/i2ogjrk4VS
See More
a股做空王
@kun2015167
6 days ago
饮用
Cheery
@cheery9998
6 days ago
首先恭喜Aether AI 创始人黄教授成功融资。她在因果发现和因果 AI 这个方向上,已经研究了 12 年。 从德国马普所,到 CMU 博士,再到 UCSD 助理教授,她一直研究一个问题: AI 到底能不能真正理解世界背后的因果关系。 今年,她从学术界走出来,创办了 Aether AI。 她想做的事也很直接:给未来的机器人,做一个真正能理解物理世界的大脑。 过去这一轮 AI,已经很厉害了。 它会写文章,会生成图片,会写代码,会跟你聊天。 但它学到的很多东西,还是“什么和什么经常一起出现”。 比如你问它一个问题,它会根据概率,给出下一个最可能出现的答案。 在文字世界里,这已经足够惊艳。 可一旦进入物理世界,问题就变得很现实。 你让 AI 写错一句话,大不了改一下。 但你让一个机器人抓杯子,如果它只是觉得“手靠近杯子之后,杯子应该会动”,它可能手还没碰到杯子,杯子就被模型预测着“飞起来了”。 因为它学到的是画面里的关系,没有真正理解为什么杯子会动。 黄教授做的因果世界模型,想解决的就是这个问题。 让 AI 知道什么变量会影响结果,一个动作会带来什么后果,换个环境还能不能完成任务,这才是下一代 AI 的关键能力。 它不是背更多答案,而是理解世界背后的规律。 今天很多机器人演示很惊艳,但桌子高两厘米、物体换个位置、光线一变,就可能失败。因为它没有真正举一反三。 所以黄教授一直在提醒大家,下一代 AI 不能只靠堆数据、堆算力。真正重要的问题是:Scale What?你到底在放大什么? 如果放大的只是表面关系,模型再大,也未必理解真实世界。真正重要的是,让模型学到更深层的因果结构。 这件事离普通人并不远。大语言模型让我们拥有了数字助手,因果世界模型可能会让机器人拥有真正理解物理世界的大脑。 我关注它,不是因为参数多大、演示多炫,而是因为它可能让 AI 进入工厂、仓储、家庭、医疗和服务业,真正改变普通人的工作方式。 欢迎大家关注
@huang_biwei
AI 和机器人世界模型接下来会怎么发展。 AI 的下一站,正在进入真实世界。
See More
a股做空王
@kun2015167
6 days ago
bb
Cheery
@cheery9998
6 days ago
首先恭喜Aether AI 创始人黄教授成功融资。她在因果发现和因果 AI 这个方向上,已经研究了 12 年。 从德国马普所,到 CMU 博士,再到 UCSD 助理教授,她一直研究一个问题: AI 到底能不能真正理解世界背后的因果关系。 今年,她从学术界走出来,创办了 Aether AI。 她想做的事也很直接:给未来的机器人,做一个真正能理解物理世界的大脑。 过去这一轮 AI,已经很厉害了。 它会写文章,会生成图片,会写代码,会跟你聊天。 但它学到的很多东西,还是“什么和什么经常一起出现”。 比如你问它一个问题,它会根据概率,给出下一个最可能出现的答案。 在文字世界里,这已经足够惊艳。 可一旦进入物理世界,问题就变得很现实。 你让 AI 写错一句话,大不了改一下。 但你让一个机器人抓杯子,如果它只是觉得“手靠近杯子之后,杯子应该会动”,它可能手还没碰到杯子,杯子就被模型预测着“飞起来了”。 因为它学到的是画面里的关系,没有真正理解为什么杯子会动。 黄教授做的因果世界模型,想解决的就是这个问题。 让 AI 知道什么变量会影响结果,一个动作会带来什么后果,换个环境还能不能完成任务,这才是下一代 AI 的关键能力。 它不是背更多答案,而是理解世界背后的规律。 今天很多机器人演示很惊艳,但桌子高两厘米、物体换个位置、光线一变,就可能失败。因为它没有真正举一反三。 所以黄教授一直在提醒大家,下一代 AI 不能只靠堆数据、堆算力。真正重要的问题是:Scale What?你到底在放大什么? 如果放大的只是表面关系,模型再大,也未必理解真实世界。真正重要的是,让模型学到更深层的因果结构。 这件事离普通人并不远。大语言模型让我们拥有了数字助手,因果世界模型可能会让机器人拥有真正理解物理世界的大脑。 我关注它,不是因为参数多大、演示多炫,而是因为它可能让 AI 进入工厂、仓储、家庭、医疗和服务业,真正改变普通人的工作方式。 欢迎大家关注
@huang_biwei
AI 和机器人世界模型接下来会怎么发展。 AI 的下一站,正在进入真实世界。
See More
a股做空王
@kun2015167
6 days ago
nn
Cheery
@cheery9998
6 days ago
首先恭喜Aether AI 创始人黄教授成功融资。她在因果发现和因果 AI 这个方向上,已经研究了 12 年。 从德国马普所,到 CMU 博士,再到 UCSD 助理教授,她一直研究一个问题: AI 到底能不能真正理解世界背后的因果关系。 今年,她从学术界走出来,创办了 Aether AI。 她想做的事也很直接:给未来的机器人,做一个真正能理解物理世界的大脑。 过去这一轮 AI,已经很厉害了。 它会写文章,会生成图片,会写代码,会跟你聊天。 但它学到的很多东西,还是“什么和什么经常一起出现”。 比如你问它一个问题,它会根据概率,给出下一个最可能出现的答案。 在文字世界里,这已经足够惊艳。 可一旦进入物理世界,问题就变得很现实。 你让 AI 写错一句话,大不了改一下。 但你让一个机器人抓杯子,如果它只是觉得“手靠近杯子之后,杯子应该会动”,它可能手还没碰到杯子,杯子就被模型预测着“飞起来了”。 因为它学到的是画面里的关系,没有真正理解为什么杯子会动。 黄教授做的因果世界模型,想解决的就是这个问题。 让 AI 知道什么变量会影响结果,一个动作会带来什么后果,换个环境还能不能完成任务,这才是下一代 AI 的关键能力。 它不是背更多答案,而是理解世界背后的规律。 今天很多机器人演示很惊艳,但桌子高两厘米、物体换个位置、光线一变,就可能失败。因为它没有真正举一反三。 所以黄教授一直在提醒大家,下一代 AI 不能只靠堆数据、堆算力。真正重要的问题是:Scale What?你到底在放大什么? 如果放大的只是表面关系,模型再大,也未必理解真实世界。真正重要的是,让模型学到更深层的因果结构。 这件事离普通人并不远。大语言模型让我们拥有了数字助手,因果世界模型可能会让机器人拥有真正理解物理世界的大脑。 我关注它,不是因为参数多大、演示多炫,而是因为它可能让 AI 进入工厂、仓储、家庭、医疗和服务业,真正改变普通人的工作方式。 欢迎大家关注
@huang_biwei
AI 和机器人世界模型接下来会怎么发展。 AI 的下一站,正在进入真实世界。
See More
a股做空王
@kun2015167
6 days ago
好
Cheery
@cheery9998
6 days ago
首先恭喜Aether AI 创始人黄教授成功融资。她在因果发现和因果 AI 这个方向上,已经研究了 12 年。 从德国马普所,到 CMU 博士,再到 UCSD 助理教授,她一直研究一个问题: AI 到底能不能真正理解世界背后的因果关系。 今年,她从学术界走出来,创办了 Aether AI。 她想做的事也很直接:给未来的机器人,做一个真正能理解物理世界的大脑。 过去这一轮 AI,已经很厉害了。 它会写文章,会生成图片,会写代码,会跟你聊天。 但它学到的很多东西,还是“什么和什么经常一起出现”。 比如你问它一个问题,它会根据概率,给出下一个最可能出现的答案。 在文字世界里,这已经足够惊艳。 可一旦进入物理世界,问题就变得很现实。 你让 AI 写错一句话,大不了改一下。 但你让一个机器人抓杯子,如果它只是觉得“手靠近杯子之后,杯子应该会动”,它可能手还没碰到杯子,杯子就被模型预测着“飞起来了”。 因为它学到的是画面里的关系,没有真正理解为什么杯子会动。 黄教授做的因果世界模型,想解决的就是这个问题。 让 AI 知道什么变量会影响结果,一个动作会带来什么后果,换个环境还能不能完成任务,这才是下一代 AI 的关键能力。 它不是背更多答案,而是理解世界背后的规律。 今天很多机器人演示很惊艳,但桌子高两厘米、物体换个位置、光线一变,就可能失败。因为它没有真正举一反三。 所以黄教授一直在提醒大家,下一代 AI 不能只靠堆数据、堆算力。真正重要的问题是:Scale What?你到底在放大什么? 如果放大的只是表面关系,模型再大,也未必理解真实世界。真正重要的是,让模型学到更深层的因果结构。 这件事离普通人并不远。大语言模型让我们拥有了数字助手,因果世界模型可能会让机器人拥有真正理解物理世界的大脑。 我关注它,不是因为参数多大、演示多炫,而是因为它可能让 AI 进入工厂、仓储、家庭、医疗和服务业,真正改变普通人的工作方式。 欢迎大家关注
@huang_biwei
AI 和机器人世界模型接下来会怎么发展。 AI 的下一站,正在进入真实世界。
See More
a股做空王
@kun2015167
6 days ago
@cheery9998
很好
a股做空王
@kun2015167
13 days ago
兄弟们,又可以白嫖 Claude 模型了 GitHub账号登入后直接送 100 美元+25美元额度 Claude Sonnet 4.5 / Opus 4.5 GPT-4o + GPT-4o-mini DeepSeek-V3 / R1 GLM-4.5、Gemini 2.0 Pro Cursor、 Claude Code 都能用 永久免费层:GLM-4.5 Air、DeepSeek(不扣额度) 注册 打开https://t.co/BZVXTOpn0v
a股做空王
@kun2015167
14 days ago
@AirdropAlchemis
@SurfAI
金叔 内我
a股做空王
@kun2015167
14 days ago
@waveking1314
美股账户腰斩 80% 已经 麻木了哥
a股做空王
@kun2015167
19 days ago
@Ningqian6688
这是人认证完了吗 怎么显示进度还没完呢 护照识别了
a股做空王
@kun2015167
19 days ago
@0xJoveXu
@laozhangisme
u怎么换啊。不会充值
a股做空王
@kun2015167
19 days ago
@mizorewww
币安啊
Last Seen Users on Sotwe
Maliksomali
𝗕𝗲𝗮𝗿𝗙𝗹𝗶𝘅! (𝗗𝗠 𝘅 𝗣𝗿𝗼𝗺𝗼) 🟫🟧🟨⬜⬛
Seen from
United States
Tattooartist
Seen from
Indonesia
𝘊𝘢𝘳𝘭𝘰𝘴𝘴𝘓𝘢𝘥𝘺 Official
Seen from
Mexico
Samantha Lowe
Seen from
Turkey
pecinta ibu kandung
Seen from
Indonesia
فحل نار
Seen from
Kuwait
KOA OFICIAL CONTEÚDO ADULTO 🛑 CUIDADO 18+
Seen from
Brazil
Niny pink
Seen from
Malaysia
HIDK
Seen from
Vietnam
Trends for you
1
Ronaldo
Under 10K tweets
2
Uzbekistan
Under 10K tweets
3
Sorsby
Under 10K tweets
4
NFLPA
Under 10K tweets
5
USAID
Under 10K tweets
6
Leao
Under 10K tweets
7
Nuno Mendes
Under 10K tweets
8
mark lee
Under 10K tweets
9
Nemec
Under 10K tweets
10
#JacksonWangxLVMenSS27
Under 10K tweets
Most Popular Users
1
Elon Musk
@elonmusk
240.4M followers
2
Barack Obama
@barackobama
119.3M followers
3
Donald J. Trump
@realdonaldtrump
111.7M followers
4
Cristiano Ronaldo
@cristiano
110.1M followers
5
Narendra Modi
@narendramodi
107M followers
6
Rihanna
@rihanna
97.5M followers
7
NASA
@nasa
92.1M followers
8
Justin Bieber
@justinbieber
90.8M followers
9
KATY PERRY
@katyperry
87.4M followers
10
Taylor Swift
@taylorswift13
81.3M followers
11
Lady Gaga
@ladygaga
72.8M followers
12
Kim Kardashian
@kimkardashian
69.7M followers
13
Virat Kohli
@imvkohli
69.5M followers
14
YouTube
@youtube
68.7M followers
15
Bill Gates
@billgates
63.7M followers
16
The Ellen Show
@theellenshow
62.5M followers
17
Neymar Jr
@neymarjr
62.2M followers
18
CNN
@cnn
61.9M followers
19
X
@x
60.8M followers
20
Selena Gomez
@selenagomez
60.5M followers
Olivia
Online
✨
⭐
💫