我当年在实验室里，最头疼的就是那些看起来“很智能”但实际上“很蠢”的AI系统。比如，机器人抓个杯子能抓出一百种姿态，但每次都差那么一点点“人味儿”，不是太僵硬就是摇摇欲坠。又比如，代码生成器吭哧吭哧写了一堆代码，跑是跑通了，但细看逻辑，漏洞百出，根本禁不起推敲。所以，当有人问我“AI有没有人味儿”时，我通常会冷笑一声：得，这问题可得掰开了揉碎了细品！
最近 arXiv 上有几篇论文，正好能拿出来好好聊聊这“人味儿”和“靠谱劲儿”的问题。我挑两篇最有代表性的，一篇是关于“动作追踪”的，另一篇是关于“代码证明”的。毕竟，能“动得像”和“想得对”，才是AI从“玩具”走向“工具”，甚至“伙伴”的关键。
AI的“人味儿”：动作追踪，形似还是神似？
先说“动得像”。这年头，各种虚拟人、数字替身、机器人层出不穷，大家都追求一个“逼真”。但逼真就等于有“人味儿”吗？我看未必。
《HumanTracker》：眼睛说了算，分数不作数？
传统上，我们评估人体动作追踪系统，往往看的是一些几何指标，比如关节位置误差（MPJPE）、姿态重构精度等等。这些指标在数值上看起来很美，但实际上，我们用肉眼去看视频，总觉得哪里不对劲，觉得动作“不自然”、“不舒服”，甚至有点“恐怖谷效应”。这就像你给一个舞蹈演员打分，他每个动作的几何位置都到位了，但就是没有那种行云流水的韵律感，没有“灵魂”。
《HumanTracker: Towards Comprehensive and Human-Aligned Motion Tracking Benchmark》这篇论文就直击了这个问题。它提出，现有的人体运动追踪评估基准，根本没法真正反映人类的感知。换句话说，机器觉得做得挺好，但人类一看，哎哟喂，这什么玩意儿！
核心创新点： HumanTracker 不再拘泥于冷冰冰的几何误差，而是引入了更贴近人类感知的新型度量标准。它构建了一个全新的、大规模的、多样化的数据集，并加入了大量的人类专家标注。这些标注关注的不再是单纯的关节坐标，而是动作的“自然度”、“平衡性”、“肢体接触合理性”以及“整体流畅性”等一系列难以量化的“人味儿”指标。这就像是请了一群资深编舞师和人体动力学专家来给AI的动作打分，而不仅仅是拿个尺子量。
方法论亮点： 他们设计了一套精妙的评估管线，将不同追踪器的输出通过标准化的方式进行处理，然后通过多维度的人类感知问卷进行评估。更厉害的是，他们还利用了对抗性评估的思路，让追踪器生成的动作去“骗”人类观察者，从而找出那些最容易被人类察觉的“不自然”之处。我当年做机器人抓取，模型跑得飞起，结果一上实物就摔个稀巴烂，后来才发现是“姿态”和“感知”的鸿沟。这论文简直是我的当年写照，要是早有这玩意儿，我能少掉不少头发。
对领域的潜在影响： 这篇工作是朝着真正“人类中心”的运动追踪迈出的重要一步。它将促使研究者们开发出更能够取悦人类眼睛和大脑的追踪算法。想象一下，未来的电影特效、虚拟现实体验、康复机器人，甚至体育训练分析，都将因为这种“人味儿”的提升而变得更加真实、自然、有效。这不只是技术上的进步，更是用户体验上的飞跃。
AI的“逻辑脑”：代码证明，从“能写”到“写对”
说完了“形似”，我们再来聊聊“神似”，也就是AI的“逻辑脑”——代码生成。LLM现在写代码那叫一个溜，Stack Overflow 上问的问题，它分分钟给你一个答案。但这个答案对不对？有没有隐藏的bug？这可就是另一个层面的问题了。毕竟，一段看似能运行的代码，如果逻辑有缺陷，那造成的损失可能比一个姿态不自然的机器人要大得多。
《Vero》：AI能造“无懈可击”的软件金字塔吗？
《Vero: Can AI Agents Build Formally Verified Software Repositories?》这篇论文就瞄准了AI编程最核心的痛点：代码的正确性保证。现在AI生成的代码，往往缺乏任何形式的正确性保障。在很多关键领域，比如航空航天、医疗设备、金融交易系统，一点点的代码错误都可能带来灾难性的后果。所以，我们需要的不仅仅是“能写代码的AI”，更是“能写正确代码，并能证明其正确性的AI”。
核心创新点： Vero 提出，AI代理不仅仅是生成代码，更要生成形式化验证（Formally Verified）的代码库。这可不是小打小闹，形式化验证是软件工程领域的圣杯，它通过数学方法来证明软件的正确性，确保程序在所有可能的情况下都能按照预期运行。以前这活儿都是顶级专家手工来做，耗时耗力，现在AI要来挑战了！
方法论亮点： Vero 的AI代理结合了大型语言模型（LLMs）和强大的定理证明器（Theorem Provers），比如Lean或Coq。它不是一次性把代码吐出来就完事，而是一个迭代的、反馈驱动的过程。AI代理会根据形式化验证工具的反馈，不断地修改、完善生成的代码及其伴随的数学证明。这就像一个超级严谨的导师，不仅让你写作业，还要你把每一步的解题过程和证明都写清楚，并且用数学工具来检查你是否真的每一步都正确无误。我当年写代码，跑通了就万事大吉，哪敢想什么形式化验证？现在AI都开始玩这套了，感觉自己被时代抛弃了（又没完全抛弃，毕竟我还在发顶会）。
对领域的潜在影响： 这项工作意义非凡。如果AI真的能大规模地生成经过形式化验证的软件，那将是软件工程领域的一场革命。它意味着我们可以构建出前所未有的高可靠性、高安全性的软件系统，大大减少软件bug带来的风险和成本。这不仅能改变软件开发流程，甚至能催生全新的软件产业形态。你再也不用担心你的银行App会因为一个小bug吞掉你的钱，或者自动驾驶汽车因为一行代码错误而失控了。
跟进方向，你的“内卷”清单
所以，AI有没有“人味儿”？有没有“靠谱劲儿”？我的结论是：正在努力有，但还差得远，而且这“远”的地方，正是我们博士后、研究员们可以大展拳脚的地方。如果你也想在这个方向上“卷”出点名堂，我给你几个建议：
- 交叉融合，补齐短板： 《HumanTracker》告诉我们，光有客观指标不够，还得懂人类感知；《Vero》则表明，光能生成代码不够，还得能证明其正确性。未来的AI研究，尤其是应用型研究，绝不能只盯着一个点。考虑如何将人类感知偏好融入到机器决策中，例如，在生成代码时，不仅考虑形式化验证，也考虑代码的可读性、可维护性等“人味儿”因素。
- 深入理解“证明”的本质： 无论是动作的“自然度”还是代码的“正确性”，其核心都是一种“证明”。对于前者，是如何用数据和模型去量化、去学习“自然”的证明；对于后者，则是如何用数学逻辑去构建“正确”的证明。如果你想在代码生成方向走得更远，除了LLM，你还得补补形式化方法、逻辑学、类型理论这些硬核知识。
- 工具与基准建设： 好的研究离不开好的工具和基准。就像《HumanTracker》构建了新的基准来推动运动追踪一样，我们还需要更多能真正反映AI系统“人味儿”和“靠谱劲儿”的评估工具和数据集。如果你能构建出这样的工具或平台，那你在领域内的影响力将是巨大的。
- 实际落地挑战： 理论研究很酷，但如何将这些“有证明”的AI系统真正应用到实际生产中，还有巨大的鸿沟。比如，形式化验证的成本依然很高，如何让AI生成证明的过程更高效、更自动化，是亟待解决的问题。这需要你不仅懂技术，还要懂工程、懂业务。
别光盯着LLM的诗词歌赋，那些看起来很酷炫但实际用处有限的东西。真正的硬骨头在这里。AI的未来，不是看它能说多像人，而是看它能把事儿做多对、多像个“靠谱”的人。顺便提一句，本站的 CCF/EI/Scopus 会议时间表 会每日自动更新，适合设为日常巡查页面，帮你规划好投稿节奏，别错过了你的顶会！