生数科技世界模型团队10月21日开启具身模型Motubrain 2.0的训练全流程公开直播，计划持续半个月，展示预训练、后训练、Agent任务执行与递归自我改进探索四个环节；该模型即将开源。
AI解读：Motubrain系列是生数科技研发的具身模型，目标是让机器人在不同任务、场景和本体之间泛化能力；Motubrain 2.0即将开源，团队在开源前先公开训练过程。
直播涵盖四个环节：预训练观察训练规模对性能与零样本泛化的影响；后训练针对具体任务提升执行能力；Agent任务执行考察经验迁移；RSI递归自我改进探索模型能否依据反馈评估并改进自身行动。
生数科技称，公开训练意在让外界看到模型能力如何逐步形成，包括失败、试错与调整；相关研究仍在探索阶段，具体效果需后续实验和评测验证。
稿件由生数科技提供、量子位获授权转载，上述直播安排与模型计划均来自该公司表述。
生数科技世界模型团队10月21日开启Motubrain 2.0训练全流程公开直播，计划持续半个月，向公众展示这款具身模型从训练、测试到能力迭代的过程。该模型即将开源，团队选择在正式开源前先公开训练流程。
直播展示的四个训练环节
据生数科技提供、量子位转载的内容，此次公开训练涵盖预训练、后训练、Agent任务执行和RSI（递归自我改进）探索四个环节。
- 预训练：观察训练规模对模型性能及零样本泛化能力的影响。
- 后训练：针对具体任务进一步训练，提升任务执行能力。
- Agent任务执行：探索模型能否将已有经验迁移到其他任务。
- RSI探索：研究模型能否根据执行反馈评估并改进自身行动。
Motubrain的定位与开源计划
Motubrain系列是生数科技研发的具身模型，目标是为机器人构建具备通用能力的“大脑”，探索不同任务、场景和机器人本体之间的能力泛化。团队称Motubrain 2.0即将开源。
生数科技将Physical AI定义为让AI理解物理环境、通过机器人完成实际任务，并称相比大语言模型，它还需解决动作决策、任务执行和跨场景泛化等问题。
效果仍待验证
生数科技称，公开训练是尝试打开具身模型训练的“黑盒”，让外界看到模型如何逐步形成能力，也包括训练中的失败、试错和调整。
该公司同时表示，相关研究仍处于探索阶段，具体效果还需要后续实验和评测验证。上述直播安排、模型定位与开源计划均来自生数科技的表述，尚未有第三方评测结果公开。