据Meta AI在X平台披露，团队围绕Muse Spark从预训练、强化学习与测试时推理三条主线系统研究可扩展性，以确保能力可预测且高效增长。根据Meta AI消息，预训练阶段通过规模定律跟踪模型大小、数据配比与算力分配对性能的边际收益，指导更稳健的扩展策略。另据Meta AI介绍，强化学习侧重评估策略优化与奖励设计在不同规模下对可控性与指令遵循的提升幅度。还据Meta AI称，测试时推理采用多步推理与工具调用等方法，量化精度与延迟、Tokens成本的权衡，找出最优推理深度。该方法论面向“个人级超级智能”，并为企业提供可操作机会，包括成本感知部署、自适应推理路由与可靠性工程优化。

据@jimfan_42报道，AI领域正积极研究具身人工智能在解决长周期、复杂人类中心任务方面的能力，关注高低层次控制与规划的高效结合。最新研究显示，当前模型在实际环境中有显著进展，但在应对新颖或不可预测场景时仍面临泛化能力的局限（来源：@jimfan_42）。与此同时，业界对具身AI是否存在类似语言模型的规模定律表现出浓厚兴趣，这可为未来技术研发和商业应用提供指导。相关进展推动了机器人、自动化系统及AI驱动产业的商业机会。