DONIC:让双手灵巧机器人从人类示范中学会协同操作
DONIC 提出一种面向双手灵巧操作的通用跟踪策略,并配套发布包含 1,575 段序列的 BiHOI 多视角数据集。实验显示,单一策略无需微调即可迁移到未见轨迹和未见物体。
阅读全文Claude API 中转站避坑指南、检测原理与大模型 API 实测经验
共 2275 篇文章
RSS 订阅DONIC 提出一种面向双手灵巧操作的通用跟踪策略,并配套发布包含 1,575 段序列的 BiHOI 多视角数据集。实验显示,单一策略无需微调即可迁移到未见轨迹和未见物体。
阅读全文一个登录页面本身可能完全合法,但如果它出现在“查看订单”之后,就可能意味着界面被劫持。新研究提出LGWM,让世界模型直接预测下一屏的表示,用低延迟向量比较判断GUI智能体是否经历了异常转移。
阅读全文一项研究提出 Harness Scaling,将智能体执行方式纳入强化学习的扩展维度。结果显示,经过结构化多 Harness 训练的模型,不仅更能适应未见过的配置,也能迁移到外部黑盒 Harness。
阅读全文Agent4Sci 将前沿编码代理放进20个科学机器学习基准,考察它们能否在真实条件下改进已发表的最佳模型。结果显示,代理确实能带来性能提升,但主要依赖工程技巧,尚未稳定展现研究级领域洞察。
阅读全文Qwen-Audio-3.1-ASR在上一代基础上扩展了多说话人转写和通用音频理解能力,并继续支持多语言、多方言识别。其模型家族还覆盖异步转写、低延迟流式识别和交互式语音输入等部署场景。
阅读全文WorldStream提出一种开放式3D世界模型:世界可以沿玩家前进方向持续扩展,语言指令能够作用于正在运行的环境,玩家访问过的区域及其改动也能被恢复。其关键在于分层规划、流式编译和持久化世界记录的结合。
阅读全文LLM 智能体不仅要完成任务,还要判断答案是否有效。VerifierBench 发现,模型生成的可执行验证器往往“拒错有余、验对不足”,过度严格成为更隐蔽的失败模式。
阅读全文DiffResearch 将扩散语言模型引入深度研究智能体的规划、检索与写作环节。在固定智能体框架和评测方式后,研究团队观察到端到端延迟大幅下降,并提出可提前提取搜索子查询的 dFast 模式。
阅读全文LM2LM尝试把“提出模型改进方案”训练成语言模型的一种能力。它用研究世界模型预测实验收益,再通过少量真实实验校准预测,减少强化学习中的昂贵试跑。
阅读全文Quant-Arena 将大模型放入从提出假设、编写信号到回测和冻结策略的完整量化研究闭环,并用真实 A 股数据检验其能否跨越样本外周期。结果显示,表现最好的模型仍未在 2024 年跑赢等权市场。
阅读全文一项针对合成医疗记录的受控研究比较了直接微调、DP-SGD 与隐私感知重写等方案。结果显示,主动改写隐私细节可能比单纯依赖训练阶段保护,在能力与隐私之间取得更好的平衡。
阅读全文FrontierCS 2 将大模型智能体置于真实的计算机科学研发环境中,通过持续提交补丁和隐藏测试,评估其能否完成开放式科研任务。结果显示,当前最强智能体距离稳定承担前沿研发仍有明显差距。
阅读全文MMedAgent-Plus通过视觉语言规划器统一调度18个医疗专科模型,覆盖12类任务与8种医学影像模态。研究重点不只是单项识别精度,而是智能体能否在复杂工作流中正确选择工具、串联分析并生成有依据的结论。
阅读全文微软研究院团队提出 WildAWM,通过开源模型合成同时支持 GUI、MCP 与命令行的电脑环境和长程任务。实验显示,仅在这些合成世界中训练,也能提升智能体在多类未见任务上的表现。
阅读全文长程智能体的瓶颈正在从模型推理转向KV缓存的存储与搬运。清华团队提出AKV,让智能体直接管理活跃缓存,在不改写历史轨迹、不重复预填充的情况下控制上下文成本。
阅读全文AgenticRoboRL 将编码智能体中的后训练思路引入具身机器人,让语言模型规划器在真实机器人执行框架中接受监督微调和多轮强化学习。实验显示,9B 规划器在 LIBERO-PRO 上的成功率从 18.1% 提升至 71.0%。
阅读全文MCCL 提出,智能体记忆不应只被衡量为“能否找回信息”,更应关注它是否让未来的决策和行动变得更好。论文从记忆分类、双循环管理、评测协议和扩展规律四个方面,重新定义了 Agent 的长期学习问题。
阅读全文TraceForge提出一种不依赖教师模型隐藏思维链的蒸馏方法:只使用上下文和最终答案,生成符合学生模型风格的推理轨迹。实验显示,这类合成推理数据在代码任务上优于直接使用其他模型生成的思维链。
阅读全文一项来自加州大学圣塔芭芭拉分校的研究,尝试让多个具备不同研究背景的持久化AI代理协作发现新的线性注意力架构。结果显示,研究者多样性、私有记忆与自适应实验分配,可能同样重要。
阅读全文StreamEval 发布了一套面向交互式流式视频生成的统一评测基准,覆盖数字人、世界生成与视频编辑等五类任务。评测显示,模型能生成高质量画面,并不意味着它能可靠执行持续到来的用户指令。
阅读全文Ropedia W0尝试用人类与机器人第一视角数据,训练一个同时理解移动和操作的具身世界基础模型。其关键在于用相机位姿与投影骨架建立跨身体形态的统一表示。
阅读全文