推文

@fireandstart · 2026-10-17 00:41

REKI 这个方向最吸引我的，是它把视觉、动作和短期记忆放进同一个闭环里考虑。机器人每一帧看到的东西不该只是一次性输入；把最近几步的视觉语言状态压缩进少量 register tokens，再留在 action expert 的 cache 中，等于让策略能带着刚刚发生过的事继续决策。若额外开销确实很低，而多项基准和较长的真实机械臂任务都能受益，这种设计比单纯堆大模型更值得研究。 尤其值得看的是公开材料是否足以让外部团队复现：帖子提到 2.4B 参数、仅用公开数据预训练，并提供权重、论文和训练推理代码。接下来我会关注评测任务覆盖面、失败案例，以及换机器人和换环境后的表现。单个演示不能证明通用能力，但清楚的实现与可复现实验，能让讨论从“看起来很聪明”走到可验证的进步。

曝光 15 · 评论 0 · 点赞 0 · 书签 0