扫描下载APP
其它方式登录
文章探讨具身智能领域兴起的In-Context Learning（ICL）新范式，聚焦Skild AI、Generalist AI及国内创业公司可可矩阵（COCO Matrix）如何将ICL从大语言模型迁移至机器人系统，实现One-Shot任务学习、长时序上下文理解与自我纠错，突破传统数据驱动Scaling的瓶颈，推动具身智能向强理解、轻生成和流式记忆方向演进。
文章分析8月三大具身智能公司（Generalist、Skild AI、蚂蚁灵波）密集发布的机器人模型，指出其共同聚焦于上下文学习（ICL）技术路线，通过视频演示、因果建模和少样本/零样本学习实现物理世界中的任务泛化与智能涌现，指向人工智能对人类‘经验’的可计算化建模这一前沿共识。
