Orca
PulseAugur coverage of Orca — every cluster mentioning Orca across labs, papers, and developer communities, ranked by signal.
- 2026-06-09 research_milestone A transformer-based deep learning model named ORCA was introduced to correct numerical weather prediction errors for marine winds. 来源
- 2026-03-27 product_launch Orca, an open-source AI coding orchestrator, has been released.
4 天有情绪数据
-
智谱AI的Orca模型学习世界状态以实现更深层次的AI理解 · 跟踪到1个来源
智谱AI研究院的研究人员开发了一个名为Orca的新模型，该模型专注于预测世界的下一个状态，而不仅仅是下一个token、帧或动作。这种方法旨在通过从连续视频中进行无意识学习以及从语言和事件中进行有意识学习，来教会AI模型更深入地理解世界如何变化。该模型利用了包含125,000小时视频和1.6亿个事件标注的海量数据集，并在理解状态转换、事件演变和动态运动方面表现出改进的性能，甚至在没有明确动作预训练的情况下也显示出在机器人控制方面的潜力。
-
新的ORCA系统可准确评估音频LLM响应
研究人员开发了ORCA，一种用于评估大型音频语言模型（LALM）开放式响应正确性的新型基于模型的方法。该系统采用了一个三阶段的标注流程，包括人工判断、结构化反馈和人机协同纠错，生成了超过9600个标注的数据集。ORCA模型表现强劲，在已知基准测试上与人类正确性评分的Spearman相关性达到0.91，并在新基准测试上泛化能力得分为0.85，优于Gemini 2.5 Flash等模型。
-
Orca 基础模型通过 Next-State-Prediction 学习统一的世界潜在空间 · 跟踪 3 个来源
研究人员推出了 Orca，一个旨在从多模态数据中学习统一潜在空间的新型通用世界基础模型。与专注于单一模态预测的模型不同，Orca 采用 Next-State-Prediction 方法来理解和预测世界动态。它利用来自连续视频的无意识学习以及来自语言描述事件和 VQA 监督的有意识学习，并在包含 125K 小时视频和 1.6 亿事件标注的大型数据集上进行训练。该模型在文本生成、图像预测和具身动作生成等下游任务上表现出色，优于专业基线。
-
开源ORCA堆栈简化灵巧机器人学习研究
研究人员推出了ORCA学习堆栈，这是一个旨在简化灵巧机器人操作研究的开源平台。该堆栈统一了控制、模拟和远程操作接口，并与LeRobot等现有机器人学习框架集成。目标是为需要精细运动技能的任务（例如手部物体重定向）的策略开发和评估提供一个可复现的基础。
-
新的ORCA方法在黑盒环境中适应时间序列模型
研究人员开发了ORCA（在线残差上下文适应）方法，这是一种用于在黑盒环境中适应时间序列基础模型（TSFM）的新颖方法。该方法侧重于从基础模型的预测误差中学习，认识到这些误差取决于模型的输入和输出。该方法通过在五个最先进的TSFM和八个数据集上进行的大量实验得到了验证，证明了它在无需白盒访问的情况下提高了适应性能的有效性。
-
AI模型ORCA将海洋风预报改进45%
研究人员开发了ORCA，一个基于Transformer的深度学习模型，用于修正数值天气预报中海洋风的误差。通过同化实测观测数据，ORCA能够调整全球预报系统（GFS）的输出，在提前48小时内显著减少误差。该模型在沿海地区和航运航线上尤其有效，因为这些区域的观测数据更为丰富，为提高预报准确性提供了一个实用的后处理解决方案。
-
ORCA copilot simplifies complex causal analysis for domain experts
研究人员推出 ORCA，这是一款交互式副驾驶，旨在使复杂的因果分析方法更容易被领域专家使用。ORCA 指导用户完成各种因果分析工作流程，从全自动到高度手动，包括因果发现、效应估计和根本原因分析。该系统旨在通过生成见解和结构化报告来弥合先进因果技术与实际应用之间的差距。
-
Orca AI orchestrator 推出；Gemini 揭示新设计语言
Jinjing Liang 推出了 Orca，一个“一体化 AI orchestrator”，旨在支持包括 Android、iOS、Mac、Linux 和 Windows 在内的多个平台。该工具旨在为开发人员集成代理和工作流执行。另外，Google Gemini 揭示了一种名为 'Neural Expressive' 的新设计语言，专注于 UI/UX 增强，如流畅的动画、鲜艳的色彩和更新的字体，以更好地适应 AI 时代。
-
Solana 开发者从链上数据构建实时代币价格引擎
一位开发者在没有依赖外部 API 的情况下为 Solana 构建了一个实时代币价格引擎。该系统通过分析交易前后代币余额的差异，直接从链上数据计算代币价格和市值。与使用 Dexscreener 或 Birdeye 等第三方服务相比，这种方法避免了速率限制，降低了延迟，并提供了更大的定制性。
-
Google 的 Perch 2.0 AI 模型通过鸟类训练在识别鲸鱼叫声方面表现出色
Google DeepMind 开发了 Perch 2.0，一个最初在数百万条鸟类录音上训练的 AI 音频模型，该模型在识别鲸鱼叫声方面表现出惊人的有效性。研究人员利用迁移学习，将模型从鸟类叫声中获得的知识应用于水下声音，从而节省了计算资源。事实证明，这种方法具有很强的竞争力，在与专门的鲸鱼生物声学模型和其他动物声音分类器进行评估时，其表现为最佳或第二佳模型。
-
LLM 推理和推理技术随着新研究和硬件的进步而发展
研究人员正在探索新的方法来提高大型语言模型 (LLM) 的效率和推理能力。Google Research 正在开发训练 LLM 以贝叶斯方式进行推理的技术，从而提高它们更新概率估计和泛化到新任务的能力。同时，推理优化方面的进展包括“投机级联”，它将更小、更快的模型与更大的模型结合起来，以及“上下文回收”来管理长对话范围。此外，正在开发“级联多粒度剪枝”和“SharQ”等方法来压缩 LLM 以进行设备上推理，从而在保持准确性的同时降低延…