- 对话蚂蚁灵波沈宇军:机器人为什么需要自己的模型?
- Yelp AI 助手融合原生 UI 与服务端驱动 UI
- 留学生成跨境电诈高优先级目标:清华毕业生英国失联被骗45万
📥 Tech News
对话蚂蚁灵波沈宇军:机器人为什么需要自己的模型?
蚂蚁灵波首席科学家沈宇军认为,通用大模型虽能完成拧瓶盖等机器人任务,但高昂训练成本与实时性不足使其不适合直接部署,具身智能需要端云协同的”刚刚好”专用模型。
- 机器人端侧需要自己的”Draft Model”快速执行日常物理操作,云端通用模型负责长程复杂任务与连接数字世界服务,二者互补构成完整智能体系
- 具身模型能力配置必须”刚刚好”:太小缺乏物理理解与实时处理能力,太大则浪费有限的端侧算力
- 行业对高质量具身数据尚无统一定义,盲目堆数据是浪费;预计一年内技术路线迎来第一波收敛,数据标准随之明确,行业将出现分化
- 落地路径:先在具体场景后训练提升成功率与作业效率,配套工具链降低使用和微调成本,从通用底座逐步过渡到实际应用
Yelp AI 助手融合原生 UI 与服务端驱动 UI

Yelp 为其 AI 助手采用混合 UI 架构:导航栏与消息输入框保留原生实现,对话区域交由服务端驱动的 CHAOS 框架渲染,使界面变更无需发布新版本即可触达用户。
- CHAOS 框架支持 Web、iOS 和 Android,由后端定义展示内容与交互响应;由于原框架缺少文本输入字段和网络请求能力,扩展耗时较长,团队因此选择混合方案
- 实现上将视图配置与对话数据分离:会话启动时拉取 CHAOS 配置并初始化数据集,后续消息事件直接更新现有视图;事件涵盖用户/机器人消息、输入指示器、快速回复和跳转链接,后端还可发送禁用输入等控制指令
- 错误处理上,可恢复错误自动重试,不可恢复故障则禁用输入并提示用户稍后重试
- 局限在于协同复杂度上升,工程师需同时理解助手与 CHAOS,且同一逻辑在不同平台可能表现不一致;该架构已复用于 Biz Ask Anything 试点,为下一代助手奠基,思路与 Airbnb 的 Ghost Platform 相似
留学生成跨境电诈高优先级目标:清华毕业生英国失联被骗45万

多名中国留学生在海外遭遇精准化跨境电信诈骗,清华毕业、UCL在读的施某某疑似被骗后失联,累计转账45万元,事件引发全网关注。
- 诈骗分子利用改号软件伪造官方来电,假冒英国移民局人员,精准掌握受害者护照、院校信息,捏造签证涉案案情,以取消学籍、强制遣返相威胁
- 骗局通过全套假证与长期精神施压实现隔离式管控,切断受害者与外界联系,连法学背景的学生也难辨真伪
- 留学生孤身海外、支付能力强、在意签证学籍,在电诈团伙的猎物清单中属于优先级高、获利空间大的目标
- 此类跨境诈骗难以被国内反诈部门前置拦截,受害者醒悟时往往求助无门;建议不轻信陌生来电,及时向当地警方和使领馆报告可疑情况