У ImageNet було щось надзвичайно задовільне. Він мав добре підібраний тренувальний набір. Чітко визначений протокол тестування. Конкурс, який згуртував найкращих дослідників. І таблиця лідерів, яка породила ResNets і ViTs, і в кінцевому підсумку змінила поле на краще. Потім пішло НЛП. Як би не розходилися OpenAI, Anthropic і xAI, вони принаймні сходяться в одному: бенчмаркінгу. MMLU, HLE, SWEBench - ви не зможете досягти прогресу, поки не зможете його виміряти. У робототехніці досі немає такого заклику до згуртування. Ніхто ні з чим не згоден: з апаратним забезпеченням, завданнями, оцінкою, движком симуляції або з реальним середовищем. Кожна людина, за визначенням, знаходиться на орієнтирі, який вони визначають на льоту для кожної статті. Від творця ImageNet - BEHAVIOR береться за складне завдання об'єднати порівняльний аналіз робототехніки на відтворюваному фізичному движку (Айзек Сім). Проект почався ще до того, як я закінчив Стенфордську лабораторію бачення, і на його створення пішло стільки років відданості та докторської кар'єри. Я сподіваюся, що ПОВЕДІНКА – це або сигнал для підйому на пагорб, який нам потрібен, або іскра, яка нарешті змусить нас говорити про те, як вимірювати реальний прогрес як поле.

Vibe Minecraft: багатокористувацька, самоузгоджена модель світу в реальному часі, яка дозволяє будувати що завгодно і викликати будь-які об'єкти. Функцію інструментів і навіть саму ігрову механіку можна запрограмувати природною мовою, на кшталт «хроно-кирка: вчасно повернути будь-який блок до попереднього стану» та «водоспади перетворюються на райдужний міст, коли повз проходять єдинороги». Гравці колективно визначають спільний світ і маніпулюють ним. Нейронний симулятор приймає на вхід підказку *мультимодальної* системи: правила гри, png-файли активів, глобальну карту та пасхальні яйця. Він періодично зберігає ігрові стани у вигляді послідовності латентних векторів, які можуть бути завантажені назад у контекст, за бажанням з чергуванням «керівних текстів», щоб полегшити редагування. У кожного геймера є свої власні явні характеристики json (здоров'я, інвентар, 3D-координати), а також неявні «вектори гравців», які фіксують історію взаємодії вищого порядку. Адміністратори ігор можуть створити мультивсесвіт Minecraft, оскільки латенти сумісні з різними серверами. Кожен світ може плавно перетинатися з іншим, щоб породити нові світи за лічені секунди. Люди можуть змішувати та поєднувати зі станами своїх друзів або власним минулим. «Рідкісні вектори» можуть з'явитися, коли деякі гравці неминуче забредуть у химерний, незвіданий латентний простір моделі світу. Ці плаваючі матриці можна обмінювати як NFT. Чим більш дикі речі ви спробуєте, тим більша ймовірність того, що ви будете видобувати рідкісні вектори. Хто першим відправить Vibe Minecraft, назавжди увійде в історію як такий, що назавжди змінює хід ігор.

Хотів би побачити закон масштабування FSD, оскільки це єдиний фізичний маховик даних у планетарному масштабі. Який «поріг емерджентної здатності» для розміру моделі/даних?