让 SIMA 2 成为你的 AI 游戏代练
DeepMind 新 AI，整合 Gemini，在 3D 游戏里自主学习、规划并执行，不再只是“按指令行动”。
🔹 什么是具身智能？ AI 像真人玩家，只“看”屏幕和“操作”键鼠，不依赖游戏 API。它能理解“🪓+🌲” emoji 组合背后的“砍树”意图。
🔹 核心技术 (Dev 关注)：
1️⃣ 推理中枢：Gemini 2.5 flash-lite 驱动，端到端响应 < 200ms。
2️⃣ 关键指标：训练过的游戏任务成功率 65% (接近人类 75% 基准)。
3️⃣ 自我改进：革命性的三步学习循环（AI 生成任务 → 奖励模型评分 → 反馈迭代），无需额外人类标注。
🔹 关键突破： SIMA 2 能在《山羊模拟器 3》这种物理混乱的环境中发现新玩法，甚至能在 Genie 3 实时生成的全新世界中自主学习。这种跨环境的“概念迁移”和“自主迭代”能力，是通向 AGI 和物理世界机器人的重要一步。
参考资料：https://deepmind.google/blog/sima-2-an-agent-that-plays-reasons-and-learns-with-you-in-virtual-3d-worlds/
#AI代理 #具身智能 #DeepMind #Gemini #AGI
让 SIMA 2 成为你的 AI 游戏代练
更多动态
错过这个入口，你的 Gemini 体验落后一个版本
Gemini 3.0 已通过手机 App 的 Canvas 功能隐蔽推送 📱 网页版未获更新。 Google 正采用移动优先的 A/B 测试策略。社区报告（11 月 12-14 日）证实，移动端 Canvas 在 SVG 生成、应用原型和代码质量上明显优于网页版 2.5。 抢先体验： 1️⃣ 立即更新 Gemini 手机 App (iOS/Android)。 2️⃣ 在提示框下找到 "Canvas" 选项 (iOS 在 "Add" → "Canvas")。 3️⃣ 用 Canvas 测试复杂任务，直观对比与网页版的质量差异。 开发者关注： 🔹 架构: 3.0 转向大型 MoE (万亿级参数，1.5-2B 激活)，上下文窗口将从 1M 扩展至“数百万”级。 🔹 推理: 默认集成 Deep Think，旨在解决 2.5 在长对话和工具调用中的幻觉 (hallucination) 问题。 🔹 多模态: 扩展到实时视频 (60 FPS) 和 3D 理解。 #Gemini #AI #Google #AI工作流 #开发者
💰 当你的销售团队休息时，AI 可能已经把单子谈妥了。
Dealism 刚获 1500 万美元融资，在推首个“Vibe Selling” AI 销售代理，核心是复刻真人销售的心理感知和对话“氛围”。 1️⃣ 什么是 Vibe Selling：传统 Bot 只认关键词；它能识别客户的犹豫、动机和微小的情感信号，然后调用内置的精英销售框架 (如谈判、异议处理) 灵活应对。 2️⃣ 多渠道 24/7 跟进：目前主打 WhatsApp 和 Instagram DMs。AI 不知疲倦地处理咨询、合格化线索 (qualify leads)，并确保品牌语调一致。 3️⃣ 快速启动 (新手)：无代码。上传你的 FAQ、产品文档和过往聊天记录，几分钟内就能生成代理，并在需要时人工接管。 🔹 它不是简单的 RAG。该系统采用持续学习 (Continual Lifelong Learning) 机制，能基于真实对话结果进行强化学习 (RL) 调优，不断迭代销售策略。 官网：https://dealism.ai #AI销售 #VibeSelling #Dealism #AI代理 #生产力工具
claude申诉失败了。
订阅费也没法儿退，我甚至怀疑申诉邮件就是钓鱼的，有追踪IP地址。 dhh是美国开发者，前段时间来深圳交流，演示了自己怎么用claude code。 目前最稳妥的方式就是参考dhh方法，把Claude code放在海外机器上，用tailscale远程连接使用。 那就得租一台有家宽的海外机器，在那台机器上注册和登录claude。
分享下现在的纯手机端工作流。
九月底前我都是坐在电脑前开着terminal指挥着pi，跑多subagent，最后再自己看diff，提pr，经常一坐就是一天。 九月底，我工作流改成在手机端用hermes指挥pi，完全解决了久坐电脑前的痛苦，用到现在还挺舒服。 Hermes用旗舰模型（gpt-6-astra/opus-5.5），pi尽量不装插件，用中端模型（ds-v4.1-flash/sonnet/terra），二者间用a2a通讯。 hermes负责分析issues，拆分成多个小任务，然后给每个小任务创建worktree，并在里面派遣pi去完成小任务。 每个pi完成任务都会通知hermes，由它判断提pr还是返工给pi。基本逛一天景点，或一觉醒来十几个pr搞好了，舒服得很。 就是过程太黑盒了，心路历程有点像早期的vibe coding，那会diff至少自己会看一下，现在diff也黑盒，完全交给旗舰模型，属于盒中盒了。 如果没数据焦虑，其实可以直接用grok-bot或者chatgpt-dot，开箱即用，里面内置了grok-cli和codex，原生agents通讯。弊端就是数据不在本地，有监管，万一被封号一切归零。
