羅福莉提出大模型缺乏物理感知，小米如何解決？

Question

Accepted Answer

羅福莉指出大模型缺乏物理感知後，小米用「具身幻覺」的對症方案改走任務型與物理互動路線

羅福莉認為現階段大模型像「完美的語言外殼」卻缺乏對物理世界的真實感知，因而容易出現「具身幻覺」。小米的回應不是單純堆參數，而是把目標從回答問題升級到完成任務，並補齊記憶、推理、自主規劃、決策與執行的全端能力，同時建立統一的多模態感知系統，讓模型能把視覺理解轉成對物理規律的可用表徵。

在技術抓手上，小米 MiMo 團隊把物理感知問題拆成可訓練的能力模組：強化程式碼與工具呼叫能力，透過 Agent 高效溝通語言來把「看見」連到「做得到」；再用高頻寬協作模型結構（Hybrid SWA 架構與 3 層 MTP 並行驗證）提升多模態與推理的協同效率；最後以創新後訓練範式（Dense 與 Token 級強化學習）把能力從語言延伸到可執行的任務流程。這套組合讓 MiMo-V2-Flash 在程式碼評測中躋身全球開源模型第二名，並能完成模擬太陽系、編寫作業系統等複雜任務，等於把「物理理解」放進需要推理與執行的測試場景。

更關鍵的落點在於，小米把物理世界互動視為下一代起點，並預言它會深度嵌入智慧眼鏡等終端設備，與小米提出的 1999 元 AI 眼鏡戰略形成同向敘事。即便本次未披露硬體細節，已開放端對端 AI 開發平台 MINT，等於把多模態與任務能力的落地門檻降到讓生態夥伴更快把「物理互動」做成可用應用的程度。

最後，羅福莉把真正的護城河定義為把未知問題轉化為產品的能力，而不是算力本身。這也解釋了小米為何同時推動極端資料壓縮、演算法範式創新、物理空間深度連結三步驟，核心是讓模型在訓練到部署之間形成閉環，讓物理感知不只停留在視覺理解的展示，而能在任務完成中被驗證與迭代。

閱讀紀錄

隱藏 →

此記錄會在頁面關閉後消失

羅福莉提出大模型缺乏物理感知，小米如何解決？

Loading

你覺得這篇文章有幫助嗎？

有幫助

沒幫助

回報問題

1

0

0

分享給好友