Induction Labs发布Photon-1：从一次预训练即可模拟桌面、玩跳棋及物理模型

Induction Labs 发布 Photon-1，一种“想象模型”，仅通过无动作标签的计算机演示视频预训练，便能隐式学习策略，在计算机使用基准上超越 Gemini。

• 核心创新：使用下一潜在令牌预测目标，预训练时不生成像素，也不依赖动作标签，学习“隐式策略”。
• 压缩技术：有限标量量化将每帧压缩为 960 个离散令牌，差分潜在编码描述帧间差异，压缩超 100 倍。
• 训练数据：从 20 亿公开视频中筛选约 200 万段屏幕录制，经关键帧去重后得到 5.75 亿帧（18 年视频）。
• 性能表现：仅用 30,000 H200 GPU 小时预训练，在计算机使用测试中击败 Gemini 3.1 Flash-Lite，推理成本低约 3 倍。
• 影响/看点：Photon-1 证明了无需动作标签的预训练路径可行，可能彻底改变智能体学习的数据效率与泛化能力。

本内容由 AI 生成，仅供参考，请注意甄别