Nvidia 發表了名為 DreamDojo 的機器人世界模型，該模型基於其先前工作 Cosmos 2.5 構建，並已被 ICML 接收為 Spotlight 論文。DreamDojo 使用了約 44,000 小時的人類數據進行預訓練，數據未開源。論文中的表 4 顯示，DreamDojo 僅比 Cosmos 2.5 有約 0.5 dB PSNR 的微小改進，這被認為與所使用的龐大資源（包括 256 張 H100 GPU 和數百小時的其他數據及機器人數據）不成比例。
發文者嘗試在 GR1 發布的數據上進行後訓練，成功重現了論文結果。然而，一位同事在 Claude 的協助下發現後訓練代碼中存在一個錯誤，導致所有後訓練代碼無效。此外，GitHub Issues 中還報告了兩個影響整個預訓練階段的錯誤，特別是其中一個關鍵錯誤。這意味著基於發布的代碼，預訓練、後訓練和評估階段均存在錯誤且結果不正確。發文者指出，代碼品質極差，不像 AI 生成，且這些錯誤解釋了為何論文結果僅有微小改進。發文者質疑為何作者和審稿人未察覺這些問題，尤其是在投入大量資源和數據卻幾乎沒有獲得顯著改進的情況下。
事件背景
DreamDojo 是基於 Nvidia Cosmos 2.5 構建的機器人世界模型。Cosmos 2.5 被引用約 100 次。DreamDojo 的源代碼已發布，但訓練數據未開源。該論文已被 ICML 接收為 Spotlight 論文。
社群觀察
社群討論集中在對頂尖 AI 會議同儕審查過程的批評。用戶 RobbinDeBank 諷刺低品質代碼是否為「有機人類垃圾」。用戶 No_Sky9786 認為，僅憑龐大的計算資源就能自動獲得接收和 Spotlight，且數據私有化卻仍能接收令人遺憾，認為大型實驗室因資源而預設入選，犧牲了開源且具創新的工作。用戶 pastor_pilao 指出這是互惠審查的結果，審稿人因害怕影響未來面試機會而不敢拒絕大型實驗室。用戶 NumbaPi 認為知名實驗室負責人指導下的論文常涉及科學欺詐，且無人負責。用戶 truttingturtle 批評近幾年同儕審查過程混亂，人脈比論文品質影響更大，會議品質下降。
