Có điều gì đó thật sự thỏa mãn về ImageNet. Nó có một bộ dữ liệu huấn luyện được chọn lọc kỹ lưỡng. Một giao thức kiểm tra được xác định rõ ràng. Một cuộc thi quy tụ những nhà nghiên cứu giỏi nhất. Và một bảng xếp hạng đã sinh ra ResNets và ViTs, và cuối cùng đã thay đổi lĩnh vực này mãi mãi. Sau đó, NLP theo sau. Dù OpenAI, Anthropic và xAI có bất đồng đến đâu, ít nhất họ cũng đồng ý về một điều: chuẩn hóa. MMLU, HLE, SWEBench - bạn không thể tiến bộ cho đến khi bạn có thể đo lường nó. Robotics vẫn chưa có một tiếng gọi nào như vậy. Không ai đồng ý về bất cứ điều gì: phần cứng, nhiệm vụ, điểm số, động cơ mô phỏng, hay môi trường thực tế. Mọi người đều là SOTA, theo định nghĩa, trên bảng chuẩn mà họ định nghĩa ngay tại chỗ cho mỗi bài báo. Từ người sáng tạo ImageNet - BEHAVIOR đang cố gắng giải quyết thách thức đáng sợ của việc thống nhất chuẩn hóa robotics trên một động cơ vật lý có thể tái tạo (Isaac Sim). Dự án bắt đầu trước khi tôi tốt nghiệp từ Stanford Vision Lab, và đã mất rất nhiều năm cống hiến và sự nghiệp Tiến sĩ để xây dựng. Tôi hy vọng BEHAVIOR sẽ là tín hiệu leo đồi mà chúng ta cần, hoặc là ngọn lửa cuối cùng khiến chúng ta bắt đầu nói về cách đo lường tiến bộ thực sự trong lĩnh vực này.

Vibe Minecraft: một mô hình thế giới thời gian thực, đa người chơi, tự nhất quán cho phép xây dựng bất cứ thứ gì và triệu hồi bất kỳ đối tượng nào. Chức năng của các công cụ và thậm chí cả cơ chế trò chơi có thể được lập trình bằng ngôn ngữ tự nhiên, chẳng hạn như "pickaxe thời gian: khôi phục bất kỳ khối nào về trạng thái trước đó trong thời gian" và "thác nước biến thành cầu cầu vồng khi những con kỳ lân đi qua". Người chơi cùng nhau định nghĩa và thao tác một thế giới chung. Mô phỏng thần kinh nhận đầu vào từ một prompt hệ thống *đa phương thức*: quy tắc trò chơi, tài sản png, bản đồ toàn cầu và trứng phục sinh. Nó định kỳ lưu trạng thái trò chơi dưới dạng một chuỗi vector tiềm ẩn có thể được tải lại vào ngữ cảnh, tùy chọn với các "văn bản hướng dẫn" xen kẽ để cho phép chỉnh sửa dễ dàng. Mỗi game thủ có một json trạng thái rõ ràng (sức khỏe, kho đồ, tọa độ 3D) cũng như các "vector người chơi" ngầm nắm bắt lịch sử tương tác bậc cao. Quản trị viên trò chơi có thể tạo ra một vũ trụ Minecraft vì các vector tiềm ẩn tương thích từ các máy chủ khác nhau. Mỗi thế giới có thể giao thoa liền mạch với nhau để tạo ra các thế giới mới trong vài giây. Mọi người có thể kết hợp và ghép nối với các trạng thái quá khứ của bạn bè hoặc của chính họ. "Vector hiếm" có thể xuất hiện khi một số người chơi không thể tránh khỏi việc lang thang vào không gian tiềm ẩn kỳ lạ, chưa được khám phá của mô hình thế giới. Những ma trận nổi này có thể được giao dịch như NFTs. Những điều điên rồ hơn bạn thử, khả năng cao hơn bạn sẽ khai thác được các vector hiếm. Ai gửi Vibe Minecraft đầu tiên sẽ đi vào lịch sử như là người đã thay đổi mãi mãi hướng đi của trò chơi.

Rất muốn thấy Định luật Tăng trưởng FSD, vì đây là vòng quay dữ liệu vật lý duy nhất ở quy mô hành tinh. Ngưỡng "khả năng nổi lên" cho kích thước mô hình/dữ liệu là gì?