ImageNet 有一种深深的满足感。它有一个精心策划的训练集，一个明确定义的测试协议，一个汇聚了最佳研究者的竞赛，以及一个催生了 ResNets 和 ViTs 的排行榜，最终改变了这个领域。 然后是 NLP。无论 OpenAI、Anthropic 和 xAI 有多么不同意，他们至少在一件事上达成了一致：基准测试。MMLU、HLE、SWEBench - 你无法取得进展，直到你能够衡量它。 机器人技术仍然没有这样的号召。没有人对任何事情达成一致：硬件、任务、评分、仿真引擎或现实世界环境。每个人在他们为每篇论文即时定义的基准上，都是 SOTA。 来自 ImageNet 的创作者 - BEHAVIOR 试图挑战统一机器人基准测试的艰巨任务，基于一个可重复的物理引擎（Isaac Sim）。这个项目在我从斯坦福视觉实验室毕业之前就开始了，花费了多年的奉献和博士生涯来构建。我希望 BEHAVIOR 要么是我们需要的爬坡信号，要么是最终让我们开始讨论如何衡量作为一个领域的真正进展的火花。

Vibe Minecraft：一个多玩家、自洽、实时的世界模型，允许构建任何东西和召唤任何物体。工具的功能甚至游戏机制本身都可以通过自然语言编程，例如“时间镐：将任何方块恢复到之前的状态”和“当独角兽经过时，瀑布变成彩虹桥”。玩家共同定义和操控一个共享的世界。 神经模拟以*多模态*系统提示为输入：游戏规则、资产png、全球地图和复活节彩蛋。它定期将游戏状态保存为一系列潜在向量，可以重新加载到上下文中，选项上可以附加“指导文本”以便于编辑。每个玩家都有自己的显式状态json（健康、库存、3D坐标），以及捕捉更高阶交互历史的隐式“玩家向量”。 游戏管理员可以创建一个Minecraft多元宇宙，因为不同服务器的潜在向量是兼容的。每个世界可以无缝交叉，几秒钟内生成新的世界。人们可以与朋友或自己的过去状态进行混合与匹配。“稀有向量”可能会出现，因为一些玩家不可避免地会游荡到世界模型的奇异、未知潜在空间。那些浮动矩阵可以作为NFT进行交易。你尝试的越疯狂，挖掘稀有向量的可能性就越大。 谁先发布Vibe Minecraft，谁就将载入史册，永远改变游戏的进程。

我很想看到FSD扩展法则，因为这是唯一在行星规模上的物理数据飞轮。模型/数据大小的“涌现能力阈值”是什么？