蚂蚁灵波开源通用触觉基础模型 LingBot-Touch
蚂蚁灵波科技开源触觉基础模型 LingBot-Touch,基于近 5000 小时真实触觉数据预训练,将磁触觉、视触觉和压阻式信号编码为统一触觉 Token。
同一件事,精选收录的是《蚂蚁灵波开源 LingBot-Touch 触觉预训练基础模型》
蚂蚁灵波科技开源触觉基础模型 LingBot-Touch,基于近 5000 小时真实触觉数据预训练,将磁触觉、视触觉和压阻式信号编码为统一触觉 Token。
同一件事,精选收录的是《蚂蚁灵波开源 LingBot-Touch 触觉预训练基础模型》
蚂蚁灵波科技开源触觉基础模型 LingBot-Touch,将磁触觉、视触觉和压阻式信号转换为统一的触觉 Token。该模型基于近 5000 小时真实触觉数据预训练,在 Sharpa Wave 和 XHand1 上完成 26 项真机测试,使四种动作模型的平均任务成功率较无触觉时提高约 14 至 26 个百分点。
蚂蚁灵波科技开源触觉基础模型 LingBot-Touch,基于近 5000 小时真实触觉数据预训练,统一磁触觉、视触觉和压阻式传感信号。在 Sharpa Wave 和 XHand 的 26 项真机测试中,接入 LingBot-Touch 后,四种动作模型平均任务成功率较无触觉时提高约 14 至 26 个百分点。
同一件事,精选收录的是《蚂蚁灵波开源 LingBot-Touch 触觉预训练基础模型》
Nous Research 发布基于 Qwen3.8-27B 监督微调的 27B 开源权重模型 Arete-27B,在其 803 条提示词评测中,包含宣传内容的回答比例从 22% 降至 0.9%。
Thinking Machines Lab 发布第二代开放权重模型 Inkling 2 Small,总参数量为 594B,每次推理激活 17B,支持 100 万上下文和可调思考力度。
推荐理由:文章梳理了 Inkling 2 Small 的架构、训练和评测表现,并分析其使用 Kimi K3 轨迹带来的开源生态影响。
百度发布 ERNIE 5.5 Flash Base,这是一款总参数量 280B、每个 token 激活 14B 参数的文本稀疏 MoE 基础模型。模型提供 128K 训练上下文和 1M 微调及推理上下文,权重以 FP8 和 BF16 形式发布在 Hugging Face 与 ModelScope,并支持通过 SGLang 和 vLLM 部署。
百度开源 ERNIE 5.5 Flash Base 基座模型,采用 MoE 架构,总参数量 2800 亿,每个 Token 激活 140 亿参数。模型使用 33.5 万亿个 Token 完成预训练,预训练上下文长度最高达 128K,微调与推理阶段支持最长 100 万 Token 上下文。
招商局狮子山实验室发布具身推理视觉语言模型「驭物™ Lion-ER-35B-A3B」,总参数约35B,每个Token仅激活约3B参数,并在十项具身相关基准上实现全部指标提升。