待验证50% 置信观点精确时间

分布外（OOD）泛化能力比分布内精度更能反映机器人在真实部署中的实用价值。

1

来源数

50%

置信度

长期有效

时效性

2026/10/17

首次发现

来源

Kyutai REKI：2.4B VLA模型为机器人操作引入高效记忆

涉及实体

OOD泛化concept

相关事实

已验证评估 AI 的数学能力应更关注其在分布外问题上的表现，而非基准测试高分66% 相似待验证多智能体系统的可靠性更多取决于协议设计而非个体智能64% 相似待验证遥操作数据在不同机器人形态之间难以复用，成为具身智能领域公认的核心痛点63% 相似待验证在机器人这个快速扩张的领域，信息效率本身是一个未被解决的问题。63% 相似待验证与人共处的机器人需要认证的力限制和故障安全机制，安全认证比AI模型本身更拖慢部署速度。63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1056446

API

curl https://kongchang.com/api/v1/knowledge/claims/1056446

MCP

get_claim(id=1056446)