CCTest · Blog
CPO:用“正确性感知”替代单纯熵信号的 RLVR 新思路
强化学习
cctest.ai
强化学习

CPO:用“正确性感知”替代单纯熵信号的 RLVR 新思路

这篇论文提出 Contrastive Policy Optimization(CPO),尝试解决 RLVR 中把熵当作优势塑形信号时无法区分“有益不确定性”和“有害混乱”的问题。它通过比较参考引导生成与普通生成的 token 级分布差异,为训练提供更接近正确性的信号。

阅读全文
CCTest · Blog
小米发布 Xiaomi-Robotics-1:用 10 万小时真实轨迹扩展机器人 VLA 模型
机器人与物理 AI
cctest.ai
机器人与物理 AI

小米发布 Xiaomi-Robotics-1:用 10 万小时真实轨迹扩展机器人 VLA 模型

Xiaomi-Robotics-1 试图把大模型的“规模化法则”引入机器人学习:用超过 10 万小时真实操作轨迹预训练,再对齐真实机器人和自然语言指令。实验显示,更大的数据和模型规模能带来更低动作预测误差,并提升真实机器人任务成功率。

阅读全文
CCTest · Blog
让机器人“按自己的坐标系看世界”:Robot-Centric Pointmaps 改进 VLA 泛化
机器人与物理 AI
cctest.ai
机器人与物理 AI

让机器人“按自己的坐标系看世界”:Robot-Centric Pointmaps 改进 VLA 泛化

KAIST AI 提出的 Robot-Centric Pointmaps 试图解决 VLA 模型中相机视角与机器人动作坐标系不一致的问题。它把场景点的三维坐标直接编码到机器人坐标系下,同时保留类似图像的二维网格结构,便于接入现有 VLA。

阅读全文
CCTest · Blog
RecGPT-V3:让推荐系统从“算历史”走向“有记忆的理解”
记忆与上下文
cctest.ai
记忆与上下文

RecGPT-V3:让推荐系统从“算历史”走向“有记忆的理解”

RecGPT-V3 试图把大语言模型变成工业推荐系统中的“智能大脑”:既记住用户长期偏好,也能把自然语言意图更直接地映射到商品空间。其在淘宝首页“猜你喜欢”场景的 A/B 测试中带来 GMV +3.97% 和服务资源消耗下降 52.4%。

阅读全文