AgenticRoboRL:让机器人规划器也能通过后训练持续进化
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Claude API 中转站避坑指南、检测原理与大模型 API 实测经验
共 2281 篇文章
RSS 订阅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Matrix-Game 4.0 试图把视频生成模型接入真正的游戏执行框架:引擎负责状态与规则,模型负责将低多边形场景转化为连续的高质量画面。论文报告称,该系统可在单张 RTX 5090 上实现 480p、60 FPS 的交互式体验。
阅读全文研究团队提出Video-Point Model(VPM),让世界模型同时预测未来视频和场景点的三维运动轨迹。通过把跨摄像机一致的点轨迹纳入训练,模型试图解决多视角预测中的几何不一致问题,并进一步服务于机器人控制。
阅读全文Agent S4提出,电脑使用智能体的瓶颈不只在模型能力,也在于人类预先设计的操作接口。它通过任务轨迹和群体进化,自动构建并筛选更适合智能体的接口与使用知识。
阅读全文Specter 将量化草稿模型、多步推测解码与专家卸载结合起来,提前预测后续推理所需的 MoE 专家,从而把部分数据搬运工作移出关键路径。在单请求、单 GPU 场景下,论文报告其平均 TPOT 提升 1.50 倍,最高达到 1.88 倍。
阅读全文Épi 是一个面向自主研究的智能体系统,能够保存研究历史、跨会话运行实验,并通过分支探索与独立复核不断改进方法。论文报告称,它在数学数值界、构造问题和算法编程任务上取得了多项结果。
阅读全文EdgeKernelBench针对边缘硬件异构、软件栈碎片化和资源受限等问题,建立统一中间表示与分层评测体系。实验显示,代码“能运行”与“跑得快”之间仍存在明显鸿沟,LEKA则通过分层优化显著提升了高性能内核生成率。
阅读全文视频生成模型已经能够产出视觉上颇具吸引力的画面,但“看起来像真的”并不等于遵守物理规律。PVBench尝试用对象级测量,系统评估生成视频中的几何、运动、材质与力学合理性。
阅读全文DecisionPivot 是一个面向 LLM 决策模型的诊断基准,重点考察模型在受控变化下是否能稳定做出正确判断,以及置信度是否可靠。评测结果显示,接近的总体分数可能对应截然不同的对比组表现。
阅读全文《Correction Training for Diffusion Models》提出一种独立的纠正器训练框架,用于缓解扩散模型训练与推理之间的输入分布偏差。实验显示,该方法在DiT、SiT和JiT上提升了无引导生成质量,同时较好保留样本多样性。
阅读全文FlowState 不再要求智能体反复加载完整对话历史,而是保存带语义类型的执行状态,并在需要时逐步调取相关状态与原始证据。实验显示,这种机制在降低 token 消耗的同时,也提升了长程任务表现。
阅读全文Lean 能证明生成的声明语法和类型正确,却无法保证它表达了用户原本想说的定理。新研究在没有标准 Lean 答案的情况下评估语义忠实度,发现编译通过率显著高估了自动形式化质量。
阅读全文λ₀项目发布了HumanVerse数据集,并提出一套将第一视角人类行为迁移到人形机器人的流程。研究显示,扩大与机器人动作对齐的全身人类数据,有助于提升复杂移动操作能力。
阅读全文面对截图、音频、视频、交互历史和设备状态等持续涌入的信息,GUI 智能体并非知道得越多越好。FocusGUI 通过轻量级适配器动态筛选当前决策最相关的证据,在不微调主干模型的情况下改善动作预测。
阅读全文MMEnterprise-Bench 将企业协作中不断更新、彼此冲突的文本与视觉记录,转化为对多模态智能体的系统测试。结果显示,找全证据并不等于能够正确回答,识别无法确定的情况同样关键。
阅读全文