本期概览

此前机器人模型多为任务特定，泛化能力弱、数据需求大。Xiaomi-Robotics-1 通过大规模预训练实现跨任务即开即用和高效微调，展现数据与模型规模扩展性，降低了机器人部署和适配的门槛。

此前音视频大语言模型主要处理短视频片段，AV-Flamingo首次针对长视频设计，且完全开源。它在时序感知、跨模态推理和可解释性上取得实质突破，在多项基准中超越同体量模型，甚至与更大模型竞争，有望降低长视频理解的门槛。