在加州圣卡洛斯的Robust AI總部，Carter Pro機器人展示了如何在人類和自動化設備協作的環境中安全運作。

這款輪式機器人能夠與人類直接互動。當人類對其施加力時，Carter會感知并調整，這種設計有助于提高工業機器人的部署靈活性和安全性。此外，其橙色手柄允許單手控制，為復雜操作場景提供了解決方案。

Carter的核心設計理念源于Robust AI聯合創始人Rodney Brooks的經驗，他曾創建專注于人機交互的Rethink Robotics。與以往工業機器人被隔離在安全籠中的做法不同，Carter強調人與機器的緊密協作，并且確保在共享工作空間中的安全性。

技術上，Carter摒棄了傳統的激光雷達，轉而使用攝像頭，這不僅降低了成本，還更適合倉庫環境的應用。目前，多家合作伙伴已經測試了該系統的早期版本。物流巨頭DHL成為首個公開宣布合作的大客戶，但Robust AI也明確表示致力于構建多元化客戶群，以規避單一依賴帶來的風險，并確保企業的長期發展。

量化是讓AI模型更高效的常用技術之一，但其局限性正逐漸顯現。量化可以通過減少計算機信息所需的比特數來降低計算成本。但最近的研究表明，對于用大量數據長期訓練的大模型，量化可能導致性能顯著下降。

哈佛大學等機構的研究發現，與其對大模型進行量化，不如直接訓練小模型，這可能更具成本效益。例如，Meta的Llama 3模型在量化后表現下降，部分原因可能就與訓練方式有關。

目前，AI推理成本已超過訓練成本。谷歌訓練其Gemini模型耗資約1.91億美元，但用于搜索查詢的推理成本每年可能花費60億美元。盡管如此，AI實驗室仍偏愛通過擴大訓練數據規模來提升模型能力。

研究表明，過度依賴低精度量化可能導致模型質量下降。研究人員強調，降低精度并非萬能解，模型有其容量限制，量化需謹慎權衡。未來或需采用新架構和數據精篩策略來優化小模型的性能，同時開發更穩定的低精度訓練方法。

谷歌最新實驗性AI模型“Gemini-Exp-1114”在Chatbot Arena排行榜上取得關鍵勝利，以1344分超過OpenAI的GPT-4o。然而，業界專家警告，傳統評測方法可能無法有效衡量AI的真正能力。

效果顯示，Gemini-Exp-1114在數學、創意寫作和視覺理解等關鍵領域表現出色，但在控制回復格式和長度等其他因素后，排名降至第四。這一結果揭示了評測方法存在的局限性，即模型可能通過優化表面特征獲得高分，而非實際提升推理或可靠性能力。

此外，Gemini-Exp-1114的安全問題也引發擔憂。在發布前的版本中，Gemini-Exp-1114曾生成有害內容，引發用戶強烈批評。這種表現與其高分形成鮮明對比，凸顯出企業追求更高分數的同時，可能忽視了安全性和實用性等核心問題。

專家呼吁采用新的評估框架，優先關注實際表現和安全性，而非抽象的數值成績，AI進步需要重新審視評測標準以實現真正的突破。

Reforged Labs今日宣布，其全新AI視頻廣告創作服務正式進入公開測試階段。該平臺專為移動游戲工作室設計，通過AI簡化廣告制作流程，特別適合預算和時間有限的小型團隊。

服務基于Reforged的AI創意引擎，訓練數據來自高效能移動廣告，提供廣告模板“商店”。游戲開發者可選擇模板并上傳游戲素材，如玩法視頻，由AI自動生成符合模板的廣告。此外，平臺還支持動畫、音效、語音生成，以及30多種語言的本地化，僅需24小時即可制作完成廣告。

Reforged在種子輪融資中就籌集了390萬美元，由DCM領投，Y Combinator等多家機構參與。CEO兼聯合創始人Robert Huynh表示，該服務通過學習廣告市場中高效能創意，生成模板供開發者選擇，為小型團隊節省了數周的開發時間。

Huynh強調，Reforged的研究和訓練主要針對于移動游戲廣告，助力小型獨立工作室通過高效、個性化廣告在競爭激烈的市場中脫穎而出。