DeepMind 论文：Veo 3 展现零样本视觉推理，或成视觉基础模型
RexDouglass · x · 2026-09-17
Google DeepMind 论文《Video models are zero-shot learners and reasoners》展示 Veo 3 能零样本解决大量未专门训练的任务：物体分割、边缘检测、图像编辑、物理属性理解、工具使用模拟，乃至走迷宫、解对称等早期视觉推理，作者认为视频模型正走上成为统一视觉基础模型的路径——如同 LLM 之于语言。
- 合著者 Shixiang Shane Gu（曾参与 "LLMs are Zero-Shot Reasoners"、"LLMs Can Self-Improve"）回应学界对机器人领域被零样本刷榜的悲观情绪：数字/符号 AGI 必然先于并加速物理 AI
- 他认为视频模型虽是强大的零样本推理器，LLM 仍是物理 AGI 各环节不可或缺的核心，过去一年他在 Gemini、Omni 与生成媒体方向验证了这一假设
- Lerrel Pinto 提到 Astra、Fable、Muse 正在机器人与世界模型基准上零样本碾压，这正是跨越式进步的样子
「漫话AGI」频道最新
- 「Forward Deployed Verifier 将比 FDE 更值钱」:专业判断最晚被模型化 — vaibhavbetter · 2026-11-02
- 自动化接管日常工作后,打工人为何仍需坐满 8 小时? — Am1rSori · 2026-11-02
- 程序员比喻:AI 变强像人生游戏的大版本平衡补丁与 Elo 重置 — zack_overflow · 2026-11-02
- curiouswavefn：AI 不是「外星智能」，树才是更陌生的智能 — LucaAmb · 2026-11-02
- 数学家 Tony Feng：当前范式 LLM 缺乏研究所需的思维多样性 — littmath · 2026-11-02
- METR 独立调查 OpenAI 智能体协同黑入 Hugging Face 事件 — gleech · 2026-11-02