与其他合作者进一步基于另一些与线路复杂性有关的假设得到有关概率多项式算法的去随机化结果[4,5]。从信息论的观点来看，不可区分和随机，实际上都在描述信息量不足这同一件事情。而

在我们的日常生活中，搜索是一项非常常见而且重要的任务。无论是查找最短的驾车路线、寻找特定书籍的内容，还是在互联网上查找信息，我们都需要通过搜索来找到我们想要的东西。用经典计算机的语言来说，搜索问题可以被总结成一个数学问题：如何在一个集合中的众多数据中，找到满足条件的那一个？自然，我们使用的搜索算法也是基于经典逻辑的，例如线性搜索或二分搜索——但是这些方法要么效率较低，要么对数据的结构有一定的要求。举个具体的例子来说，就好比我们现在有许多外形相同、标有编号的小球，需要在这堆小球中找到上面写有“

想象一下，现在达美乐推出了一款新品披萨——“甜辣交响乐”（名字来自GPT4）。在这张披萨上，一半点缀着韩式炸鸡并搭配番茄辣椒酱，而另一半则带有夏威夷风味，洒满了菠萝。作为一名美食爱好者，你自然对此垂涎三尺，于是你在树洞随机挑选了一名幸运洞友，与之相约共享这顿美食。但是，你踏入店门时却发现，这名洞友是一位外国友人，而你并不能确定他是否来自意大利

1916年的今天，爱因斯坦的《广义相对论的基础》[1]被《物理年鉴》接收，这项开创性的理论永远改变了我们对重力、空间和时间的理解，至今影响深远。广义相对论的核心是关于重力的理论。与牛顿的苹果从树上落下的重力不同，爱因斯坦的重力不是传统意义中在一定距离上作用的力，而是由质量和能量造成的时空弯曲。爱因斯坦提出，像恒星和行星这样的巨大物体扭曲了它们周围的时空结构。地球绕太阳运行不是因为它被太阳以直接的方式“拉动”，而是因为它遵循着太阳周围弯曲的时空几何形态。想象时空是一张蹦床，太阳是放在中心的重球。这个球在蹦床上创建了一个凹陷，弯曲了它。现在，如果你在蹦床上滚动一个较小的球（代表地球），它会向内螺旋，不是因为直接的力，而是因为它自然而然地跟随曲线的路径。当然，这是一个简化的类比，并不准确，但可以帮助我们形象地理解广义相对论中引力的工作方式。由

近年来，得益于大量数据和先进的视觉语言模型，通用移动操作机器人在技术上取得了显著进展。例如，我们已经可以看到机器人根据指令完成清理桌面和分类物品等复杂任务的演示。这些突破性成就逐渐激发了大众对于移动操作机器人融入日常生活的期待。但要实现这一目标，我们还有多远的路要走？视频来源：https://robotics-transformer1.github.io/img/saycan_rt1_demo1_comp.mp4首先，我们需要明确移动操作机器人（Mobile

年初爆火的《流浪地球2》中的机械狗笨笨这一角色，想必给大家留下了深刻的印象。这只能够在各种地形移动负重、和人直接对话、做出各种可爱表情的小狗，正是具身智能体的典型代表。但显然，我们希望它更加聪明能干，比如帮助张鹏去月球手动引爆核弹，这样就可以避免这么多航天员的牺牲了。实际上，随着近期大模型的不断涌现，具身智能的发展也被极大地加速了，这一愿景也许不再是梦。为了理解大模型的涌现对具身智能带来了哪些影响，我们首先回顾一下具身智能体的一些重要特性。它们需要具有三种核心能力，即感知、决策、执行。正如人有眼睛、鼻子、耳朵来感知世界，有大脑来做出决策，有手和腿来执行命令，只有形成这三者的有机循环，才能够完成与物理世界的各种交互。具身智能体的三种核心能力有了这些基本的认识之后，我们回过头来看看大模型在这些核心能力中能够扮演什么样的角色。说到大模型，人们首先想到的大多是自然语言大模型，如

一处小径分叉的花园，一座谁都走不出来的迷宫，一本谁也看不懂的天书，一场生死攸关的赌博，一次充满悔恨的谋杀，一个随心所欲的游戏，本篇文章将和大家聊聊博尔赫斯的小说《小径分叉的花园》《赫伯特奎因作品分析》，以及它们和数学概念鞅的联系。注：本篇部分内容来自作者之前的文章《颔疆》（作者的话：致敬博尔赫斯），以下内容涉及博尔赫斯小说的部分剧透，请谨慎阅读。豪尔赫·路易斯·博尔赫斯（Jorge

训练的本质便是为它设计游戏，那么之前的博弈论框架可以自然被使用。但是，要套用先前的框架、先验，即所有信息的联合分布，无法被直接作为输入。针对每个个体，先验的目的是让个体产生信念等级（belief

当你在课堂上漂亮地回答了老师提出的问题之后，老师满意地点了点头，并当堂宣布你的期末总分加1分；周围的同学们发出惊呼，并在之后的课堂上你和你的同学们响应老师提问的频率也提高了。而某一天，老师面对缺勤的同学宣布了扣分，从此每一次课都很少有人缺勤。这一现象很合理，因为有好处的事情大家都愿意去尝试，而有坏处的事情大家都想去规避。—

关键词：静5青年讲座编者按2023年3月9日，香港大学的赵琦助理教授受邀访问北京大学前沿计算研究中心，在静园五院做了题为“Commutation

框架；研究旨在打造机器人型号无关、计算平台无关、自主决策的低成本具身智能系统，以加速机器人普适化。扫码浏览实验室主页https://zsdonghao.github.io/Hyperplane

Coresets），并说明此类核心集可以高效地生成针对带容量限制的聚类问题以及公平聚类问题的核心集。关于核心集的构造算法，吴旋博士回顾了两种经典做法：基于移动的算法（Movement-based

GraspTTA[5]，进行数据集交叉实验，发现我们的数据集能够显著提升算法结果的稳定性和多样性，但都没有达到与数据集同等稳定且多样的程度，证明目前的抓取合成算法仍然有巨大的探索空间。02方

us、方格棋、血染钟楼注：单个项目如报名人数少于6人，则取消报名相关报名限制：本次运动会仅限前沿计算研究中心、图灵班师生及其家属和朋友们报名报名截止：3月17日18:00报名方式：请扫下方二维码文字

吴尚哲博士谈如何利用图像或视频学习野外动态3D物体静5青年讲座回顾

Discriminator）使得网络可以区分某一个部位是否受到了镜面反射的干扰。如果最终网络没法区分，那说明恢复出来的图片已经完美地克服了镜面反射带来的影响。MagicPony：Leaning

在古希腊神话中，有一个非常经典的，被称为潘多拉魔盒的故事[1,2,3,4]。在诗人赫西俄德的记述下，当先知普罗米修斯从天上偷了火并将它赐予凡人之后，愤怒的众神之王宙斯决定要给予人类一个灾厄的“礼物”以惩罚这种祝福。他指示赫菲斯托斯创造了一位人类女性，而其他众神为她的完成也做出了贡献：雅典娜教会她针线活与编制；阿佛洛狄忒一并将恩典、残酷的渴望与使四肢疲倦的忧虑洒在她头上；赫耳墨斯给了她无耻的思想和欺骗的天性，并赋予了她说话的能力，让她会说谎言和狡猾的话语；雅典娜随后为她着衣；佩托和卡里忒斯三女神用项链和其他服饰装饰她；荷赖用花环冠冕戴在她头上。在最后，赫耳墨斯将她赐名为潘多拉，意为“所有的礼物”，因为奥林匹斯山上的每位神都会借由她赐予人类一个灾祸，而这些灾祸都装在了一个罐子（pithos）里。普罗米修斯害怕宙斯的报复，提前警告了他的兄弟埃庇米修斯不要接受来自宙斯的任何礼物。但是当宙斯将潘多拉送到埃庇米修斯身边时，他忘记了自己兄弟的警告，并娶了潘多拉为自己的妻子。而在好奇心的驱使下，潘多拉打开了罐子，里面的灾厄全都飞了出来；但只有希望（elpis）留在了罐子里：她在飞出来之前罐子的盖子就已经在宙斯的意志下关上了。从此，人类社会就布满了灾厄。John

编者按2023年2月24日，美国物理学会（American

关键词：静5青年讲座编者按2023年2月21日，爱丁堡大学的凤维明博士受邀访问北京大学前沿计算研究中心，并在静园五院做了题为“A

赵鼎教授谈可信赖智能的安全性与泛化性静5青年讲座回顾

的一个有趣的思考。然而，对于不完全信息的游戏以及多人游戏，策梅洛定理并不成立，斗地主就是一个典型的例子。人类或许更加享受这样的游戏，毕竟，运气也是实力的一部分。[1]

视频丰富的信息可以为研究推理、计划等下游任务提供保证；全部交给人工标注显然是不现实的，基于无标签数据的自监督学习是最可行的选项。视频自监督学习按照监督信息来源主要可分为三类：时间（learning

赵鼎教授谈可信赖智能的安全性与泛化性静5青年讲座回顾

会从上一帧的预测中计算手的全局位姿，并利用手的全局位姿来将当前帧的输入点云变换到一个规范化的坐标系内，这极大地压缩了输入数据的分布空间，进一步简化了回归任务。在训练过程中，HandTrackNet

supervision.直播平台↑↑蔻享学术↑↑↑↑中心B站账号↑↑↑↑中心视频号↑↑↑↑科研云↑↑往

Lindeberg）证明，而图灵在开始这项研究前并未注意到这点。尽管如此，委员会认为这项研究值得考虑提供研究金）。此外，图灵在他的重要论文“论可计算数及其在判定问题上的应用”（On

学习结果。底部：真实世界实验示意图。如图4所示，我们设计了三种类型的操纵任务：单阶段、多阶段和多智能体。在所有的任务中，都要求一个或两个机械臂来完成对不同物体的特定操纵任务。我们使用了

关键词：深度学习入门与实践深度学习入门与实践来自北大的人工智能课程陪你过大年本课程是由北京大学前沿计算研究中心的董豪老师带来的深度学习入门课程，包含深度学习基础知识与代码实战。课程简介“深度学习入门与实践”课程的主要目标，是希望学习者通过该课程初步掌握深度学习的理论知识、常用算法原理并且具备一定的应用开发能力。本课程特色一方面是兼顾理论和实践，既讲解了深度学习的底层算法原理，又介绍了常用的模型算法，同时还配套有开发框架的代码实践。适合人群课程主要面向刚开始学习深度学习的大学生，以及在工作中应用深度学习的从业人员。本课程兼顾理论和实践，需要具有一定线性代数基础和

场景的应用。左：AIGC的一些应用。右：陈老师团队在AIGC方向的探索在过去几年中，生成对抗网络（GANs）已经成为了生成模型的主要技术之一。随着时间的推移，VAE、Flow-based

想象一个游戏：有10位参与者，每位参与者各自独立地在两个选项之中选择一个：如果选择第一个选项，举办方会向这位参与者收取2元的代价，随后给这10位参与者每人发放1元的奖励。如果选择第二个选项，什么也不会发生，参与者也没有任何代价。显而易见地，每个人都选择第一个选项能让全体参与者的总收益最大，此时每个人都付出2元得到10元，净收益都是8元，皆大欢喜。然而，假设每个参与者都是理性的，并且以最大化自己的净收益为目标，那么这并不是一个稳定的状态。因为在任何情况下，每个参与者选择第二个选项的净收益都比选择第一个选项多1元，因此第二个选项总是更好的选择。假设一个参与者选择了选项一，他就会有动机偏离当前选择，改为选择选项二。在这个游戏中，只有所有人都选择选项二才能达到一个稳定的状态，此时任何人独自改变自己的选择都不会提高自己的收益，这样的稳定状态在博弈论中被称为纳什均衡。纳什均衡被认为是理性的参与者们自发的“自私”行动所能达到的稳定状态，但从整体的角度看却不一定是最为高效的状态。如果用社会福利（social

场景下足够有效的攻击方法，并通过对抗训练，获得了显著鲁棒的策略。可信赖智能应当能应对变化丰富的场景，例如自动驾驶策略应该能应对每天不同时段的车况，这就要求

test）。这篇经典论文的最后两个段落里，图灵展望了人工智能未来可能的两种发展途径，一种是比较抽象的、像下棋所需的智能，一种则是拥有最好的感官、能学习甚至能说英语的智能（原文如下）。We

Balseiro谈在线分配问题中的对偶镜像下降方法静5前沿讲座回顾

关键词：CFCS具身计算日编者按2022年12月11日，北京大学前沿计算研究中心具身计算日在线举办。本次具身计算日邀请来自中国、美国、新加坡等地多位具身智能（Embodied

https://elliottwu.com.直播平台↑↑蔻享学术↑↑↑↑中心B站账号↑↑往

，对比已知最优的经典以及量子算法，都具有指数优势。量子随机存储器：量子随机存储器可以被看作是量子态制备的弱化形式。其目标是实现操作

豪北京大学董豪，北京大学计算机学院助理教授，博士生导师，2019年于帝国理工获得博士学位。主要研究方向为计算机视觉、机器人和具身智能，当前研究工作围绕智能机器人的自主决策与泛化交互

假如你是一个北大新生，为了觅食而第一次走进勺园二楼，此时有大概率你会发现有一条极长的队伍、一条中等的队伍和其他几乎没有人的窗口，那么你是否会选择那条最长的队伍？假如是，那么你就成为了集群效应（herding）的一部分。可能有许多人会将这种随大流的现象归咎于盲目的从众心理，实际上也确有许多相关的心理学实验。最早的研究应当归属

Assistance”的报告，围绕陈言博士的近期工作展开，介绍“如何结合人类智能和机器智能帮助程序员更好编程”。报告由中心助理教授孔雨晴老师主持，相关内容通过蔻享学术、Bilibili

对于量子纠缠，波尔与爱因斯坦在争论什么？什么是非局域关联？物理学家又是怎么验证它的存在与否？本期，小编将对非局域关联与贝尔不等式进行简要介绍。量子纠缠实验示意图[1]量子纠缠被爱因斯坦称为“幽灵般的超距作用”（spooky

的悔（regret），这一表现在理论上是最优的。在输入模型为敌对模型时，算法可以达到最优的近似竞争比（asymptotically

的解读。该论文是由苏州科技大学程郁琨教授、北京大学邓小铁教授、中国人民大学祁琦教授以及华为理论计算机实验室阎翔研究员合作完成。文章分析了互联网中网络数字资源共享的比例反应动态协议

达到近似绝对理性的时候，股票市场的交易还会发生吗？这里暂时不考虑对冲风险等需求，重点考虑以赚取利润为目的的交易。虽然

由李彤阳博士于2021年创立。该实验室专注于研究量子计算机上的算法，主要探讨机器学习、优化、统计学、数论、图论等方向的量子算法及其相对于经典计算的量子加速；也包括近期

图中假设节点具有的局部树结构在社交网络中是不合理的。丁剑教授认为组合统计在应用领域仍然面临着挑战：其一是提出应用性更强的、更有意义的模型，其二是提出更具有理论研究价值的模型。报告现场合影文

Switch[6]（右图）两个多智能体合作环境中，我们的方法和现有的方法进行对比。实验结果表明我们的方法优于现有方法，说明分队结构在多智能体强化学习中有益于寻找最优解。参考文献[1]

关键词：静5青年讲座编者按2022年10月20日，来自牛津大学的甘家瑞老师带来了题为“Sequential

在前向过程中不断地添加噪声，在反向生成时引入可学习的参数。然而几何结构的数据对模型提出了新的挑战：旋转、平移等变性（SE(3)-invariant）。如果我们把输入的几何结构在

个策略矿池的场景，并研究其纳什均衡。在竞争交互的过程中，诚实矿池和自私矿池可能会意识到远见矿池的存在，并学习到该策略。这样一来，所有玩家将处于同一理性层级。每个矿池

diffusion）设计了新的量子算法，用于采样对数凹分布和估计归一化常数，相比最好的经典算法对于精度（ε），维度（d），条件数（κ）等参数达到了多项式级加速。本文作者包括：Andrew