穹彻智能发布具身世界模型 Noe-0
第一电动
2026-08-27 14:04
车辆
本站收录 398 篇
近 180 天 397 篇
营销维度扣分 117 /n=398 篇
在档更正 0 次
查看档案 →
一句话总结
规则摘录 · 正文首句
盖世具身智能获悉 穹彻智能于近日发布了具身世界模型 Noe-0 的技术预览，并介绍了团队在具身世界动作模型训练、全链路无本体数据和 AI 基础设施方面的阶段性进…
读原文 · 第一电动 →
成分表
五个可核对的量，全部来自本篇已有的判定数据
信源数
—
同一件事有几家不同来源报道过。≥3 家才够本站的「已核验」。
这篇没有这一项：它不在任何多源事件簇里（孤篇）。
具名引用
0处
正文里点名到的信源（机构 / 人名 / 公告）。判决里没有这一项的老稿留空。
判决里这一项是空的——正文没点名到可核的信源。
情绪强度
0分
情绪化表述的扣分，0 = 没量到情绪词。
没有量到情绪词。
独有数字
—
本篇写了、同事件另一家没写的关键数字。不代表对方漏了，只是这篇多给了。
这篇没有这一项：它不在任何多源事件簇里（孤篇）。
正文重合
—
与同源最相似那篇的正文重合度。高不等于抄——同一场发布会出来的稿子，本来就会用同一批数字和同一段官方表述。
这篇没有这一项：它不在任何多源事件簇里（孤篇）。
85
标题克制 100
少营销词 100
客观中立 100
少AI腔 100
四维健康度：越满越干净
AI 判断仅供参考
AI 主编（国产大模型）评审 AI 生成
文体：硬新闻
为什么是这个分？（点开看判定依据）
AI 生成
ARG 架构 · 常识 / 文风 / 事实
综合判定：质量可疑
常识视角 文中数字存疑
置信度 0.5
文中提到的穹彻智能的数据采集网络覆盖全国超过50个城市，累计采集超过10万小时的真实世界数据，但没有提供具体的销量或价格信息，因此无法判断这些数字的合理性。
出处 穹彻智能的数据采集网络已覆盖全国超过50个城市，累计采集超过10 万小时的真实世界数据。
文风视角 表述克制
置信度 0.8
穹彻智能于近日发布了具身世界模型 Noe-0 的技术预览，并介绍了团队在具身世界动作模型训练、全链路无本体数据和 AI 基础设施方面的阶段性进展。
出处 盖世具身智能获悉 穹彻智能于近日发布了具身世界模型 Noe-0 的技术预览，并介绍了团队在具身世界动作模型训练、全链路无本体数据和 AI 基础设施方面的阶段性进展。
Noe-0 以世界模型架构为基础，构建具身世界动作模型，将对真实环境变化的建模与机器人动作生成放在同一个学习过程中。
出处 Noe-0 以世界模型架构为基础，构建具身世界动作模型，将对真实环境变化的建模与机器人动作生成放在同一个学习过程中。
在预训练阶段，这些来自真实环境的无本体数据构成了 Noe-0 的训练基础。而进入任务后训练阶段，Noe-0 仍然使用由 RoboPocket 采集的无本体数据。
出处 而进入任务后训练阶段，Noe-0 仍然使用由 RoboPocket 采集的无本体数据。
事实视角 信源含糊
置信度 0.5
新闻正文中的关键信息来源为'据悉'，未明确指出具体信源
未对上原文
满分不是默认值，是挣来的：每拿出一条可核的正面证据，上限抬 5 分。
✗ 具名信源 · 还差：正文有具名信源（姓名/职务/署名机构）
✗ 信源多元 · 还差：至少两个不同信源主体，不是一家之言
✗ 数字有出处 · 还差：关键数字写明了出处
满分 100，本文累计扣 0 分，扣完得 100 分，再按正面证据封顶到 85 分。
评分由 AI 主编依据新闻专业主义进行评审，仅供参考。
这个分怎么自己复算
口径版本 quality-rules-v1+3e8acca1e74a
原文指纹 20bb232a71d753d898258f60372869b3…
判决方式
AI 主编 v4
—— 只保证数字自洽、证据可查 ：大模型不承诺同输入同输出，
所以这一档不说「跑一遍得同一个分」。
复算命令
python manage.py recompute_verdict 2985
这条命令不写库、不调模型、不联网 ：拿着这个仓库和那条原文就能跑。
口径参数表在 判定口径 页上，
和上面这个版本号是同一份。
说明与免责
本文的质量分与标注由公开报道与公开规则自动生成，仅呈现可复算的观测（词频、占比、时间分布、原文出处），每条均附原文链接可自行核对，
不构成对任何机构或个人的评价、定性或指控 。自动判定会出错，结果仅供参考 ，请以原文与官方口径为准。
对这条记录有异议？我要申诉 →
这篇全文共 19 句 —— 逐句过检结果：
2 句（11%）0 句（0%）1 句（5%）16 句
「有据」= 句中有具名信源或带单位的可核查数据；「无据断言」= 用了绝对化说法但整句既无信源也无数据。
自动判定会出错，这只是对句子用词的机器观测，不是对内容真伪的结论。
▸ 穹彻智能发布具身世界模型 Noe-0 出处 盖世具身智能获悉 穹彻智能于近日发布了具身世界模型 Noe-0 的技术预览，并介绍了团队在具身世界动作模型训练、全链路无本体数据和 AI 基础设施方面的阶段性进展。
▸ 模型基于世界模型架构，构建具身世界动作模型 出处 Noe-0 以世界模型架构为基础，构建具身世界动作模型，将对真实环境变化的建模与机器人动作生成放在同一个学习过程中。
▸ Noe-0 在同一共享表示中同时进行隐式世界想象与动作规划 出处 在具体推理过程中，Noe-0 接收图像与任务语义，在同一共享表示中同时进行隐式世界想象与动作规划，并输出机器人动作。
▸ 使用穹彻智能自研数据采集设备 RoboPocket 采集的无本体数据进行训练 出处 据悉，从模型预训练到任务后训练，Noe-0 均使用由穹彻智能自研数据采集设备 RoboPocket 采集的无本体数据，使两个训练阶段建立在连续一致的动作分布之上，形成贯穿模型训练全过程的无本体数据链路。
▸ RoboPocket 可记录操作过程中的图像信息与人的操作轨迹 出处 RoboPocket 是一套便携式、可穿戴的数据采集设备，可以记录操作过程中的图像信息与人的操作轨迹。
▸ 穹彻智能数据采集网络覆盖全国超过50个城市，累计采集超过10万小时数据 出处 穹彻智能的数据采集网络已覆盖全国超过50个城市，累计采集超过10 万小时的真实世界数据。
▸ Noe-0 从数据采集到模型训练形成全链路无本体数据 出处 由此，Noe-0 从真实世界数据采集、模型预训练到任务后训练形成了全链路无本体数据。
AI 提炼要点
以上为 AI 自动提取的要点摘要，仅供快速了解，不代表本站立场
镜下逐句 · 这几句被判到了
来源：第一 电动网
本站不转载爬取稿全文，以上为按评论目的引用的句子，完整内容请读原文 。
你也判一下：这篇写得客观吗？
先说你的判断，再看 AI 判了什么——我们不写谁对谁错 。
你判
—
AI 判
—
两边不一样很正常——本站表述倾向抽检准确率
只有 56.5%，
AI 的判定不是标准答案 。你的判断记在读者信号里，
与人工金标分开存放；是否纳入训练要等标注口径会定。
这篇稿子对你有价值吗？
一键投票即可；这是读者意见，不替代人工质量标注。
0 人投票，
0% 认为有价值