具身ICL创业潮起：可可矩阵押注上下文Scaling新赛道
原标题：具身ICL来了创业玩家！上下文成Scaling新赛道
AI 摘要
量子位报道称，具身智能领域正兴起In-Context Learning（ICL）创业热潮，Skild AI和Generalist AI分别发布机器人基础模型S1和GEN-1.5，展示机器人通过观看示范视频即可学习新任务，无需微调。国内创业公司可可矩阵（COCO Matrix）致力于将ICL作为具身智能的底层范式，其创始人高宇翔认为，具身智能的Scaling方向正从数据规模转向上下文长度和在线学习能力，并强调“强理解，轻生成”的技术路线。
正文节选
具身ICL来了创业玩家！上下文成Scaling新赛道 让机器人学会利用更长的多模态Context 衡宇 发自 凹非寺 量子位 | 公众号 QbitAI 2020年，GPT-3靠“看几个示例就会新任务”震动了NLP界；六年后的今天，同样的故事正在具身智能领域上演。 没错，就是In-Context Learning。 8月中旬，Skild AI发布机器人基础模型S1。只需要给机器人看一遍任务演示视频，它可以在不微调、不做额外post-training的情况下，尝试完成此前没有训练过的新任务。任务时长可达10分钟，包含几十个操作步骤。 Skild在（训练数据）见过的任务和未见过的任务上，对比了ICL视频Prompt和传统的语言Prompt VLA。 测试结果表明，当训练数据只有1000小时时，语言Prompt效果更好，而随着数据规模增加，ICL开始反超。对于未见任务，加入视频context后，模型表现相比只用语言指令提升约7倍。 S1发布的一周之前，Generalist AI发布GEN-1.5，同样把One-Shot Learning作为核心能力。机器人只看一个示范，就能在数秒内学习新任务，