每日AI新鲜事·11月08日早间版：VLM脏标签训练与儿童手机

今天AI圈又有不少新动静, 周末了大家还这么卷. 今天咱们主要聊这么几件, 一是VLM脏标签训练, 二是儿童安全手机, 三是手机本地监控agent, 四是机器人挠痒实验, 还有DSH教程和GPT6入门. 对, 最后再聊聊古早广告和MV为啥突然火. 嗯, 这几条确实都挺有意思. 那咱们一条一条来, 先进新闻速递. 第一条, 刚看到Reddit上有个帖子问, 怎么用一百万张工业图像训练VLM, 但标签质量参差不齐. 这个问题的核心啊, 不是把标签洗干净, 而是把标签质量当成连续变量. 用confidence learning加噪声鲁棒损失, 比全量清洗便宜太多了. 等一下, 那脏标签不洗, 模型不会学歪吗? 你感觉没错, 但全洗代价太大. 他们建议三阶段渐进训练, 再配合对比目标和CLIP初始化. 所以重点是数据优先级加人工复核闭环, 而不是追求标签百分百干净. 对, 工业场景里模糊边界和长尾样本, 你根本清不完. 第二条, TechCrunch报道, 越来越多公司开始做儿童专用手机. 思路挺反着来, 硬件层面做减法, 直接砍掉应用商店和浏览器. 这个我挺认同. 安全变成产品定义的一部分, 不是一个软件补丁. 不过孩子长大了怎么办? 功能太简, 过渡是个问题. 市场挑战就在这儿, 约束换信任, 但商业模式还得跑通. 第三条, Reddit上有个开源项目叫Observer, 百分之百本地跑的手机监控agent. 这个有意思, 你用自然语言描述要盯的状态, 摄像头一直看, 端上模型决定啥时候触发. 它用的决策模型才0.8B, 老手机都能跑? 对, 感知和推理全在本地, 通知走Telegram或者电话, 隐私和方便兼顾了. 比如有人靠近车, 或者洗衣机漂洗完了, 这种场景确实实用. 第四条, YouTube上有个实验室, 让机器人给你挠脚底板. 别笑, 这研究挺正经. 把挠痒拆成力, 速度, 面积, 时长这些可测变量. 所以是想搞清楚触觉怎么变成痒感? 对, 强调可复现和标准化, 对触觉反馈和假肢感知都有参考价值. 好, 新闻就先聊到这儿, 接下来咱们深入聊聊B站上特别火的两个教程. 一个是五十分钟吃透DeepSeek Harness, 互动量一百七十多万. DSH这个东西, 本质是串联工具调用, 记忆和任务分解的agent编排框架. 为什么偏偏这个教程现在火起来? 因为大家发现单个agent不够用了, 得让SuperAgent真干活, 编排能力成了瓶颈. 那另一个教程是从零用上GPT6加Codex, 注册安装订阅一条龙. 你看两件事其实是一回事, 一头是编排, 一头是门槛, 都指向agent落地. 不过B站上还有个AI MV, 少年与鲸鲸的奇遇, 互动也挺高. 那个是另一个方向了, 开源联名做MV, 说明生成式创作已经进到情感表达层面. 所以结论是, 现在最火的不是模型本身, 而是怎么把agent用起来, 以及怎么用它创作. 对, 工具层和内容层在同时爆发, 这才是这波真正热闹的地方. 行, 那今天就聊到这儿, 中午见.