“我看到了 Scaling Law 的信号” | 对谈清华叉院助理教授徐梦迪：具身智能、世界模型、真正的泛化

➤ 本周「十字路口」的嘉宾是清华叉院助理教授徐梦迪。从清华车辆工程出发，途经 Johns Hopkins、CMU，再到 Stanford 吴佳俊、李飞飞组做博士后，2024 年初她选择回国，加入清华交叉信息研究院。她的核心命题是机器人的 in-context learning (ICL)：让机器人到一个新环境，通过一两次交互当场学会新任务，而且越学越快。

本期节目还有一个及时的注脚：就在我们录完节目后的第二周，Generalist 发布 GEN-1.5 ——只给机器人看一段 3-12 秒的动作示范作为 "physical prompt"，不做微调、不更新参数，它就能当场尝试完成新任务（10 项任务平均成功率约 59%）。ICL 随即成为全球具身智能领域最受关注的话题之一，而这正是梦迪持续押注的方向。

除了 ICL，我们还聊到：

• 预训练的天花板

• 真正的泛化

• Scaling Law 的信号与陷阱

• 跑通稳定的数据闭环

• 叠衣服 demo 的误导

• 行业的泡沫与进步

• 年轻 PI 的真实生活与研究选择

穿越所有的技术话题之后，这还是一期关于人生选择、环境与长期主义的对话，希望可以是给所有站在中美之间、学术与产业之间、跟随热点与坚持长线之间的年轻人的一份参考。

🎬 我们的视频播客将同步上线于 @Koji杨远骋 的视频号、抖音、小红书、哔哩哔哩、Youtube 等平台。

📒 文字版将发布于 @十字路口Crossing 公众号。

🟢 从四驱车到机器人

00:21 快问快答：年龄、毕业院校、MBTI、星座、一句话介绍

02:31 清华车辆工程，通向机器人的起点

05:59 为四驱车捡废铁的女孩

07:18 衡水中学，竞赛班里的另一面

12:02 CMU 最佳博士论文：预训练之外

19:19 Adaptation 为何越来越受重视？

🟢 从解题人到出题人

23:51 创造性工具使用：没有刀怎么切蛋糕？

26:30 斯坦福：李飞飞与吴佳俊，两种导师

30:57 从斯坦福回到清华

34:17 5 年后，凭什么成为顶尖研究者？

40:06 选最好的，还是最适合的？

42:24 她会回复怎样的套磁邮件？

🟢 具身 Scaling Law 的信号

44:44 具身创业：进步与泡沫共存

46:39 数据与世界模型，风向为何反复？

49:07 低 Loss，不等于高成功率

50:47 机器人还在 GPT-1 阶段？

56:04 In-Context Learning：机器人能懂你家吗？

58:19 数据闭环的“鸡生蛋”难题

01:03:21 具身数据，难在定义需求

01:05:18 遥操作、仿真、UMI 与人类数据

🟢 只有乐观才可能成功

01:09:56 博士面试里的 Research Taste

01:14:08 跟年轻 AP 读博，是一场创业？

01:17:25 AI 论文泛滥，还能怎么看？

01:19:22 具身马拉松，跑到第几公里？

欢迎订阅「十字路口」：

🚦 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。

🚦 十字路口是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI 正在给各行各业带来改变，我们寻找、访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者，和他们一起，探索和拥抱新变化，新的可能性。

👦🏻  主播 Koji：我创办了十字路口，发起了 AI Hacker House 这个新一代 AI 创业者的社群空间，在真格基金担任 Venture Partner 投资合伙人。我相信科技尤其是 AI 是我们这一代人最大的价值创造机遇。Koji 的即刻，Koji 的网站