Machine Intelligence Research New Models

Meta Fundamental AI Research 在 2025 年 2 月放出一组面向 advanced machine intelligence 的研究成果，主线是开放数据集、基准与模型，把研究语料与工具同步开源给社区使用。其中最具代表性的是 PARTNR——一个面向人机协作日常任务的研究框架，配套包含 100000 个家务任务的基准、人类在仿真中完成这些任务的演示数据集，以及一个用于规划的预训练模型。

PARTNR 建立在 Habitat 系列模拟器之上：Habitat 1.0 让虚拟机器人学会在真实住宅 3D 扫描中导航，Habitat 2.0 让其学会整理物品，Habitat 3.0 进一步支持人机协作模型的大规模训练。基于 Habitat 3.0 的大规模仿真数据，FAIR 训练出一个大型规划模型，相比当前最强基线在速度上提升 8.6 倍，且让人类完成任务的效率提升 24%。该模型可解析长时序指令，把复杂任务拆解为可执行的步骤，已在 Boston Dynamics 的 Spot 机器人上完成现实部署。团队还做了一个混合现实界面，用于把机器人的行动和推理过程可视化呈现，便于建立信任。

另一条线索围绕语言多样性。FAIR 与联合国教科文组织 UNESCO 合作推出 Language Technology Partner Program，邀请合作伙伴贡献 10 小时以上的语音录音及转录、200 句以上的文本语料、多语言翻译对，重点服务"国际土著语言十年"框架下的少数语言。加拿大努纳武特地方政府已加入合作。同时配套发布一个由语言学专家精心打造的开源机器翻译基准，覆盖 7 种语言，邀请社区贡献新译本，目标是构建一个空前规模的多语言翻译评测集。