人体动作生成也有 Chinchilla 定律：第五个可扩展模态
andrew_n_carr · x · 2026-08-25
团队发布旗舰论文《Compute-Optimal Scaling Laws for Human Motion Generation》。
- 背景：人体动作生成长期小众、难以规模化，动画师、机器人学家和游戏开发者都看好潜力，但生产级严谨度始终不够。作者认为根源是数据严重受限，此前无法证明 scaling 真的有效。
- 做法：构建世界最大规模的高质量人体动作数据集，跨不同规模训练数百个模型进行 scaling 实验。
- 结论：动作生成的 compute-optimal scaling 规律与语言模型的 Chinchilla 定律一致。这使人体动作成为继文本、图像、音频、视频之后第五个被证明可扩展的数据模态。
「研究」频道最新
- 新研究揭示人体动作生成遵循 Chinchilla 缩放定律 — andrew_n_carr · 2026-08-25
- 新综述：定义终端 Agent 的能力与评估 — omarsar0 · 2026-08-25
- Weighted Memory Tree：长程 agent 记忆省 33% token 还涨 10 分 — dair_ai · 2026-08-25
- GPT-5.4 惊人特性：一个变音符号改变输出率 47% — rayanpal_ · 2026-08-25
- 实测代码图比 grep 为 Agent 查询省 80% Token — coding-os · 2026-08-25
- Claude 与 GPT 找到孙智伟 2-4-6-8 猜想 15 位反例 — soumitrashukla9 · 2026-08-25