Robocikowo>ROBOCIKOWO

Tag: In context learning

GPT-6 Astra poprowadził prawdziwe auto. Jedyny z czterech modeli na mecie
Aktualności1 października 2026

GPT-6 Astra poprowadził prawdziwe auto. Jedyny z czterech modeli na mecie

Niezależny projekt DrivingBench dał czterem czołowym modelom językowym kontrolę nad prawdziwą Toyotą Corollą. Tor z pachołków na parkingu ukończył tylko GPT-6 Astra: 134,7 metra w 5 minut i 22 sekundy, w drugim podejściu.

GPT-6 Astra steruje ramieniem robota. 95% tylko w łatwym teście
Aktualności29 września 2026

GPT-6 Astra steruje ramieniem robota. 95% tylko w łatwym teście

GPT-6 Astra zaliczyła 19 z 20 prób przenoszenia klocka wobec 8 dla Claude Fable 5.1, przy sześciokrotnie mniejszym zużyciu tokenów. Na zadaniu precyzyjnym oba modele mają po 2/20, a RoboDojo przerwał testy po uszkodzeniach sprzętu.

Skild AI pokazuje S1: robot uczy się zadania z jednego wideo
Aktualności3 września 2026

Skild AI pokazuje S1: robot uczy się zadania z jednego wideo

Skild AI udostępniło S1 — foundation model dla robotów, który przejmuje nowe zadanie z jednego nagrania wideo, bez dotrenowywania. 66 proc. skuteczności na zadaniach nieznanych wobec 9 proc. dla polityk sterowanych opisem językowym.

GEN-1.5: robot uczy się nowego zadania z jednego pokazu
Aktualności26 sierpnia 2026

GEN-1.5: robot uczy się nowego zadania z jednego pokazu

Generalist AI pokazało GEN-1.5 — robotyczny model foundation, który uczy się nowego zadania z jednego pokazu (3–12 s), bez dotrenowania. One-shot daje średnio 59% skuteczności, few-shot — 83%.

Google TabFM: model AI do danych tabelarycznych bez treningu per-dataset
Aktualności13 lipca 2026

Google TabFM: model AI do danych tabelarycznych bez treningu per-dataset

Google Research zaprezentowało TabFM — model fundamentalny do danych tabelarycznych, który generuje predykcje dla nowych zbiorów danych w jednym przejściu, bez trenowania od zera. Na benchmarku TabArena z 51 zbiorami danych TabFM dorównuje lub przewyższa klasyczne modele nadzorowane.