跨越落地鸿沟！清华长三院发布首个真实场景AI竞技场，实战谁是最佳？
新智元报道【新智元导读】攻克AI落地难题，清华团队推出RWAI框架与真实场景竞技场，通过标准化人机交互、任务集机制与人类反馈体系，显著提升产业应用效率。平台已实现落地周期缩短70%以上，并为AI开发者和企业提供了可复制的最佳实践。2026年，AI产业经历「模型能力突飞猛进」与「产业落地困难重重」的「冰火两重天」。在大厂相继发布新模型、Open Claw爆火之际，清华长三角研究院人工智能创新研究中心
科技3 阅读
搜索: "清华团队"
共找到 5 篇相关文章
高额投入见成效：清华团队一周内耗资十万打造百项技术新纪录
新智元报道AutoSOTA通过多智能体协作，实现了AI研究中繁复的性能优化过程自动化，将科研从手工操作转变为工业化流程。这项技术仅需5小时就能完成人类数月的工作量，极大地释放了科学家的创造力，促进了更多创新性的探索。在当今的人工智能领域，实验室中的灯光常常见证了无数为了提高1%效能而进行的彻夜实验调整。这一过程被戏称为“炼丹”，虽然最终实现了最佳性能（State-of-the-Art，简称SOTA
科技5 阅读
模型瘦身进行时：LeCun与清华团队提出创新方案
机器之心编辑部最近，“世界模型”这一领域受到了广泛的关注，有两项相关工作备受瞩目。其中一项是由 Yann LeCun 团队提出的 LeWorldModel，该研究尝试通过更简洁的 JEPA 方法，实现从像素端到端训练的世界模型，以此降低训练复杂度，并验证了潜在空间中对物理结构的刻画能力。另一项是清华大学团队的 Fast-WAM，这项工作从应用角度出发，重新审视了当前主流 World Action
科技7 阅读
单步极速生成！清华团队革新机器人动作去噪技术
在强化学习领域，生成式策略（例如 Diffusion Policy 和 Flow Matching）展现了强大的多模态分布拟合能力，但其多步迭代采样导致的高延迟一直是实时控制的一个难题。清华大学智能驾驶课题组 iDLab 和加州大学伯克利分校人工智能研究院 BAIR 在 ICLR 2026（口头报告，Top 1%）联合发表的研究成果《Mean Flow Policy with Instantane
科技4 阅读