Physical AI의 머니볼

Physical AI의 머니볼 로봇 데이터는 텍스트처럼 기존 코퍼스에서 채굴할 수 없고 유용한 시간마다 비용이 발생하므로, 자본 효율은 총수집량보다 달러당 한계 효용과 데이터 새로움을 얼마나 정확히 계산하느냐에 달려

Physical AI의 머니볼 로봇 데이터는 텍스트처럼 기존 코퍼스에서 채굴할 수 없고 유용한 시간마다 비용이 발생하므로, 자본 효율은 총수집량보다 달러당 한계 효용과 데이터 새로움을 얼마나 정확히 계산하느냐에 달려 있음 데이터가 늘면 손실은 멱법칙에 따라 감소하지만, 다양성은 일반화 범위와 오차 하한을 바꾸고 반복·근접 중복은 빠르게 포화되는 반면 희귀한 OOD 실패 사례는 큰 효용을 제공함 생산 배포 데이터는 초기의 고엔트