回到训练师：这场变革对我们意味着什么
训练师这个职业，正在从”数据标注工人”向”世界规则设计师”演变。你需要评估的不再只是语言，而是物理合理性。你需要设计的不再只是问答示例，而是场景和规则。
来源：虎嗅
世界模型为什么现在爆发
四个因素叠加：1) LLM的scaling law开始遇到天花板；2) 具身智能的需求突然变得非常迫切；3) Sora证明了这条路线的可行性；4) Meta的LeCun持续”带节奏”。
回到训练师：这场变革对我们意味着什么
训练师这个职业，正在从”数据标注工人”向”世界规则设计师”演变。你需要评估的不再只是语言，而是物理合理性。你需要设计的不再只是问答示例，而是场景和规则。
来源：虎嗅
Sora表面上是一个视频生成模型。但让业内人士真正震惊的，是视频里展现出来的物理一致性。水往低处流，碰撞发生时物体的形变方向符合受力分析。这些物理规律，是模型在训练了海量视频之后自发涌现出来的。
世界模型为什么现在爆发
四个因素叠加：1) LLM的scaling law开始遇到天花板；2) 具身智能的需求突然变得非常迫切；3) Sora证明了这条路线的可行性；4) Meta的LeCun持续”带节奏”。
回到训练师：这场变革对我们意味着什么
训练师这个职业，正在从”数据标注工人”向”世界规则设计师”演变。你需要评估的不再只是语言，而是物理合理性。你需要设计的不再只是问答示例，而是场景和规则。
来源：虎嗅
Sora为什么让整个行业震惊
Sora表面上是一个视频生成模型。但让业内人士真正震惊的，是视频里展现出来的物理一致性。水往低处流，碰撞发生时物体的形变方向符合受力分析。这些物理规律，是模型在训练了海量视频之后自发涌现出来的。
世界模型为什么现在爆发
四个因素叠加：1) LLM的scaling law开始遇到天花板；2) 具身智能的需求突然变得非常迫切；3) Sora证明了这条路线的可行性；4) Meta的LeCun持续”带节奏”。
回到训练师：这场变革对我们意味着什么
训练师这个职业，正在从”数据标注工人”向”世界规则设计师”演变。你需要评估的不再只是语言，而是物理合理性。你需要设计的不再只是问答示例，而是场景和规则。
来源：虎嗅
世界模型的核心训练目标是：给定当前的状态S和采取的动作A，预测下一个状态S’。这意味着AI第一次真正把”做事”和”理解”结合在了一起。
Sora为什么让整个行业震惊
Sora表面上是一个视频生成模型。但让业内人士真正震惊的，是视频里展现出来的物理一致性。水往低处流，碰撞发生时物体的形变方向符合受力分析。这些物理规律，是模型在训练了海量视频之后自发涌现出来的。
世界模型为什么现在爆发
四个因素叠加：1) LLM的scaling law开始遇到天花板；2) 具身智能的需求突然变得非常迫切；3) Sora证明了这条路线的可行性；4) Meta的LeCun持续”带节奏”。
回到训练师：这场变革对我们意味着什么
训练师这个职业，正在从”数据标注工人”向”世界规则设计师”演变。你需要评估的不再只是语言，而是物理合理性。你需要设计的不再只是问答示例，而是场景和规则。
来源：虎嗅
世界模型：AI第一次开始”预测世界”
世界模型的核心训练目标是：给定当前的状态S和采取的动作A，预测下一个状态S’。这意味着AI第一次真正把”做事”和”理解”结合在了一起。
Sora为什么让整个行业震惊
Sora表面上是一个视频生成模型。但让业内人士真正震惊的，是视频里展现出来的物理一致性。水往低处流，碰撞发生时物体的形变方向符合受力分析。这些物理规律，是模型在训练了海量视频之后自发涌现出来的。
世界模型为什么现在爆发
四个因素叠加：1) LLM的scaling law开始遇到天花板；2) 具身智能的需求突然变得非常迫切；3) Sora证明了这条路线的可行性；4) Meta的LeCun持续”带节奏”。
回到训练师：这场变革对我们意味着什么
训练师这个职业，正在从”数据标注工人”向”世界规则设计师”演变。你需要评估的不再只是语言，而是物理合理性。你需要设计的不再只是问答示例，而是场景和规则。
来源：虎嗅
多模态模型看过无数张台球的图片，但它从来没有在台球的世界里”行动”过。看过和经历过，是两种本质上不同的智能来源。
世界模型：AI第一次开始”预测世界”
世界模型的核心训练目标是：给定当前的状态S和采取的动作A，预测下一个状态S’。这意味着AI第一次真正把”做事”和”理解”结合在了一起。
Sora为什么让整个行业震惊
Sora表面上是一个视频生成模型。但让业内人士真正震惊的，是视频里展现出来的物理一致性。水往低处流，碰撞发生时物体的形变方向符合受力分析。这些物理规律，是模型在训练了海量视频之后自发涌现出来的。
世界模型为什么现在爆发
四个因素叠加：1) LLM的scaling law开始遇到天花板；2) 具身智能的需求突然变得非常迫切；3) Sora证明了这条路线的可行性；4) Meta的LeCun持续”带节奏”。
回到训练师：这场变革对我们意味着什么
训练师这个职业，正在从”数据标注工人”向”世界规则设计师”演变。你需要评估的不再只是语言，而是物理合理性。你需要设计的不再只是问答示例，而是场景和规则。
来源：虎嗅
多模态让AI”看见了”，但还没有”经历”
多模态模型看过无数张台球的图片，但它从来没有在台球的世界里”行动”过。看过和经历过，是两种本质上不同的智能来源。
世界模型：AI第一次开始”预测世界”
世界模型的核心训练目标是：给定当前的状态S和采取的动作A，预测下一个状态S’。这意味着AI第一次真正把”做事”和”理解”结合在了一起。
Sora为什么让整个行业震惊
Sora表面上是一个视频生成模型。但让业内人士真正震惊的，是视频里展现出来的物理一致性。水往低处流，碰撞发生时物体的形变方向符合受力分析。这些物理规律，是模型在训练了海量视频之后自发涌现出来的。
世界模型为什么现在爆发
四个因素叠加：1) LLM的scaling law开始遇到天花板；2) 具身智能的需求突然变得非常迫切；3) Sora证明了这条路线的可行性；4) Meta的LeCun持续”带节奏”。
回到训练师：这场变革对我们意味着什么
训练师这个职业，正在从”数据标注工人”向”世界规则设计师”演变。你需要评估的不再只是语言，而是物理合理性。你需要设计的不再只是问答示例，而是场景和规则。
来源：虎嗅
LLM掌握的是”关于世界的语言描述”，而不是”世界本身的运作规律”。打一个比方：想象一个人从来没有离开过图书馆，他读遍了所有关于游泳的书籍，能写出专业的游泳教学文章。但是，把他扔进游泳池，他大概率会沉下去。LLM就是这个图书馆里的人。
多模态让AI”看见了”，但还没有”经历”
多模态模型看过无数张台球的图片，但它从来没有在台球的世界里”行动”过。看过和经历过，是两种本质上不同的智能来源。
世界模型：AI第一次开始”预测世界”
世界模型的核心训练目标是：给定当前的状态S和采取的动作A，预测下一个状态S’。这意味着AI第一次真正把”做事”和”理解”结合在了一起。
Sora为什么让整个行业震惊
Sora表面上是一个视频生成模型。但让业内人士真正震惊的，是视频里展现出来的物理一致性。水往低处流，碰撞发生时物体的形变方向符合受力分析。这些物理规律，是模型在训练了海量视频之后自发涌现出来的。
世界模型为什么现在爆发
四个因素叠加：1) LLM的scaling law开始遇到天花板；2) 具身智能的需求突然变得非常迫切；3) Sora证明了这条路线的可行性；4) Meta的LeCun持续”带节奏”。
回到训练师：这场变革对我们意味着什么
训练师这个职业，正在从”数据标注工人”向”世界规则设计师”演变。你需要评估的不再只是语言，而是物理合理性。你需要设计的不再只是问答示例，而是场景和规则。
来源：虎嗅
LLM让我们误解了”智能”
LLM掌握的是”关于世界的语言描述”，而不是”世界本身的运作规律”。打一个比方：想象一个人从来没有离开过图书馆，他读遍了所有关于游泳的书籍，能写出专业的游泳教学文章。但是，把他扔进游泳池，他大概率会沉下去。LLM就是这个图书馆里的人。
多模态让AI”看见了”，但还没有”经历”
多模态模型看过无数张台球的图片，但它从来没有在台球的世界里”行动”过。看过和经历过，是两种本质上不同的智能来源。
世界模型：AI第一次开始”预测世界”
世界模型的核心训练目标是：给定当前的状态S和采取的动作A，预测下一个状态S’。这意味着AI第一次真正把”做事”和”理解”结合在了一起。
Sora为什么让整个行业震惊
Sora表面上是一个视频生成模型。但让业内人士真正震惊的，是视频里展现出来的物理一致性。水往低处流，碰撞发生时物体的形变方向符合受力分析。这些物理规律，是模型在训练了海量视频之后自发涌现出来的。
世界模型为什么现在爆发
四个因素叠加：1) LLM的scaling law开始遇到天花板；2) 具身智能的需求突然变得非常迫切；3) Sora证明了这条路线的可行性；4) Meta的LeCun持续”带节奏”。
回到训练师：这场变革对我们意味着什么
训练师这个职业，正在从”数据标注工人”向”世界规则设计师”演变。你需要评估的不再只是语言，而是物理合理性。你需要设计的不再只是问答示例，而是场景和规则。
来源：虎嗅
从AI训练师的视角，聊聊世界模型到底是什么，它和我们已经熟悉的大语言模型、多模态模型之间是什么关系，以及这场范式转移对于我们这些在AI训练一线工作的人意味着什么。
LLM让我们误解了”智能”
LLM掌握的是”关于世界的语言描述”，而不是”世界本身的运作规律”。打一个比方：想象一个人从来没有离开过图书馆，他读遍了所有关于游泳的书籍，能写出专业的游泳教学文章。但是，把他扔进游泳池，他大概率会沉下去。LLM就是这个图书馆里的人。
多模态让AI”看见了”，但还没有”经历”
多模态模型看过无数张台球的图片，但它从来没有在台球的世界里”行动”过。看过和经历过，是两种本质上不同的智能来源。
世界模型：AI第一次开始”预测世界”
世界模型的核心训练目标是：给定当前的状态S和采取的动作A，预测下一个状态S’。这意味着AI第一次真正把”做事”和”理解”结合在了一起。
Sora为什么让整个行业震惊
Sora表面上是一个视频生成模型。但让业内人士真正震惊的，是视频里展现出来的物理一致性。水往低处流，碰撞发生时物体的形变方向符合受力分析。这些物理规律，是模型在训练了海量视频之后自发涌现出来的。
世界模型为什么现在爆发
四个因素叠加：1) LLM的scaling law开始遇到天花板；2) 具身智能的需求突然变得非常迫切；3) Sora证明了这条路线的可行性；4) Meta的LeCun持续”带节奏”。
回到训练师：这场变革对我们意味着什么
训练师这个职业，正在从”数据标注工人”向”世界规则设计师”演变。你需要评估的不再只是语言，而是物理合理性。你需要设计的不再只是问答示例，而是场景和规则。
来源：虎嗅
从AI训练师的视角，聊聊世界模型到底是什么，它和我们已经熟悉的大语言模型、多模态模型之间是什么关系，以及这场范式转移对于我们这些在AI训练一线工作的人意味着什么。
LLM让我们误解了”智能”
LLM掌握的是”关于世界的语言描述”，而不是”世界本身的运作规律”。打一个比方：想象一个人从来没有离开过图书馆，他读遍了所有关于游泳的书籍，能写出专业的游泳教学文章。但是，把他扔进游泳池，他大概率会沉下去。LLM就是这个图书馆里的人。
多模态让AI”看见了”，但还没有”经历”
多模态模型看过无数张台球的图片，但它从来没有在台球的世界里”行动”过。看过和经历过，是两种本质上不同的智能来源。
世界模型：AI第一次开始”预测世界”
世界模型的核心训练目标是：给定当前的状态S和采取的动作A，预测下一个状态S’。这意味着AI第一次真正把”做事”和”理解”结合在了一起。
Sora为什么让整个行业震惊
Sora表面上是一个视频生成模型。但让业内人士真正震惊的，是视频里展现出来的物理一致性。水往低处流，碰撞发生时物体的形变方向符合受力分析。这些物理规律，是模型在训练了海量视频之后自发涌现出来的。
世界模型为什么现在爆发
四个因素叠加：1) LLM的scaling law开始遇到天花板；2) 具身智能的需求突然变得非常迫切；3) Sora证明了这条路线的可行性；4) Meta的LeCun持续”带节奏”。
回到训练师：这场变革对我们意味着什么
训练师这个职业，正在从”数据标注工人”向”世界规则设计师”演变。你需要评估的不再只是语言，而是物理合理性。你需要设计的不再只是问答示例，而是场景和规则。
来源：虎嗅
从AI训练师的视角，聊聊世界模型到底是什么，它和我们已经熟悉的大语言模型、多模态模型之间是什么关系，以及这场范式转移对于我们这些在AI训练一线工作的人意味着什么。
LLM让我们误解了”智能”
LLM掌握的是”关于世界的语言描述”，而不是”世界本身的运作规律”。打一个比方：想象一个人从来没有离开过图书馆，他读遍了所有关于游泳的书籍，能写出专业的游泳教学文章。但是，把他扔进游泳池，他大概率会沉下去。LLM就是这个图书馆里的人。
多模态让AI”看见了”，但还没有”经历”
多模态模型看过无数张台球的图片，但它从来没有在台球的世界里”行动”过。看过和经历过，是两种本质上不同的智能来源。
世界模型：AI第一次开始”预测世界”
世界模型的核心训练目标是：给定当前的状态S和采取的动作A，预测下一个状态S’。这意味着AI第一次真正把”做事”和”理解”结合在了一起。
Sora为什么让整个行业震惊
Sora表面上是一个视频生成模型。但让业内人士真正震惊的，是视频里展现出来的物理一致性。水往低处流，碰撞发生时物体的形变方向符合受力分析。这些物理规律，是模型在训练了海量视频之后自发涌现出来的。
世界模型为什么现在爆发
四个因素叠加：1) LLM的scaling law开始遇到天花板；2) 具身智能的需求突然变得非常迫切；3) Sora证明了这条路线的可行性；4) Meta的LeCun持续”带节奏”。
回到训练师：这场变革对我们意味着什么
训练师这个职业，正在从”数据标注工人”向”世界规则设计师”演变。你需要评估的不再只是语言，而是物理合理性。你需要设计的不再只是问答示例，而是场景和规则。
来源：虎嗅
