「反轉」的人機學習：靈初智慧以Ψ-R2.5最佳化強配對資料與後訓練流程
為何重要
AI 機器人在複雜環境下將人類示範轉化為可執行動作的「資料孤島」問題日益凸顯。靈初的逆向生成策略與 ICL 框架，為解決跨模態對齊提供了具體路徑，此種將演示資料即插即用於即時推理的範式，有望大幅降低商業化部署所需的重訓練成本（後訓練）。
靈初智慧指出僅靠資料量堆疊無法解決人手與機械手結構差異的學習問題，進而升級其模型Ψ-R2.5，提出將真實機器人動作反向推演對應的人類示範資料，以建立「強配對資料」進行對齊。