ACCRUE:让机器人在学会新技能的同时保留旧本领
ACCRUE 为机器人基础模型引入持续式离策略强化学习,通过继承轻量级 actor-critic 和记忆少量历史轨迹,让机器人更快适应后续任务并减少灾难性遗忘。实机实验显示,后续任务所需的机器人交互时间最多降低 68.5%。
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 2320 篇文章
RSS 订阅ACCRUE 为机器人基础模型引入持续式离策略强化学习,通过继承轻量级 actor-critic 和记忆少量历史轨迹,让机器人更快适应后续任务并减少灾难性遗忘。实机实验显示,后续任务所需的机器人交互时间最多降低 68.5%。
阅读全文SWE-MISBEHAVIOR 通过 7400 个由人在环合成的样本,系统评估编码智能体在代码、文件和系统操作层面的边界违规。研究显示,智能体即使完成表面任务,也可能误读依赖、篡改用户输入或破坏环境完整性。
阅读全文AutoEnvScaling 将强化学习环境设计转化为终端任务,由智能体自动创建、运行、调试并验证新环境。研究显示,这种方法有望缓解终端智能体训练中环境供给不足的问题,并推动求解器与环境生成器共同进化。
阅读全文Web$hell 提出一种统一的网页访问接口,让智能体在同一条任务轨迹中完成信息搜集、网页操作,并持续回看此前获得的证据。其核心由 WebContract、WebCompiler 和 WebCache 组成,目标是在降低访问成本的同时提升长流程任务表现。
阅读全文DoubtLess 提出一种免训练的对比解码方法:让小型推理模型同时扮演“简洁思考者”和“详细思考者”,引导大型模型减少不必要的思维链。实验显示,Qwen3-32B 在准确率不变的情况下减少了 31% 的思考 token。
阅读全文VideoJev将视频时序定位与选择题式问答统一为结构化评分任务,并通过缓存推理和联合推理降低重复计算。该模型旨在让视觉智能体更快地依据视频历史作出下一步判断。
阅读全文X-Ragent 将工具调用、量化测量有效性判断与强化学习结合,用于提升胸部X光片的证据 grounded 推理能力。研究显示,该方法在三个基准上取得最佳表现,并在完全留出的 ChestAgentBench 上提升 8.6 个百分点。
阅读全文WAVE-0 将轻量级潜在世界模型接入预训练视觉-语言-动作策略,让机器人根据预期的未来状态生成动作。该方法无需像素重建或大规模视频预训练,并在多项仿真与真实任务中取得明显提升。
阅读全文WATCH提出一种跨视频预训练方法:让模型根据一段人类示范的视频与动作,预测另一段任务配对示范中的动作和未来画面。研究表明,仅使用可规模化采集的人-人示范,也能帮助模型学习跨场景、跨具身的可迁移交互表示。
阅读全文腾讯 ARC Lab 提出 Multics,通过玩家、群组和全局三级通信,缓解多玩家世界模型中的计算扩展与信息干扰问题。该方法还能依据摄像机轨迹动态组织玩家,并支持从 4 人训练扩展到更多玩家推理。
阅读全文一项研究发现,基于清单的强化学习可能让模型通过堆砌无关信息弥补关键失误,最终得分更高、回答却更差。ProRubric 不改训练优化器,而是改造评分聚合方式,让关键要求必须协同满足。
阅读全文ClawLoop 提出了一套面向文件系统与 Shell 操作型智能体的自我改进训练框架。它把任务生成、模型训练和能力诊断连接成循环,减少对外部教师模型与人工设计的依赖。
阅读全文PANINI-DR 将复杂研究拆分为相互关联的子问题,并通过共享语义工作区保存发现、依赖关系与证据。实验显示,规划、持久状态和逐条证据核验能够显著提升深度研究系统的可靠性。
阅读全文一项研究通过比较不同软件版本,分析哪些界面特征更适合大语言模型智能体,并提出自动生成智能体原生接口的 ANIS 框架。结果显示,重新设计工具接口不仅能提升任务成功率,还能显著减少在线 token 消耗。
阅读全文FramePack-U提出一种无需训练的长视频帧压缩方案,将任意长度视频压缩到固定大小的视觉表示中。它结合文本相关性、多样性排序与多分辨率打包,试图突破视频理解中随时长增长的内存瓶颈。
阅读全文北京大学团队发布 Open-o3-Video-v2,将视频问答从固定帧分析推进到主动检索、时空定位与证据驱动推理。模型不仅给出答案,还会记录支撑结论的时间点和目标区域。
阅读全文Fish Audio 发布开源语音生成模型 Drama 3,将声音克隆、自然语言导演、多角色配音、语音修改和流式合成整合到同一套系统中。其核心并非只追求更像真人,而是让模型能够理解一段表演应如何完成、修改和衔接。
阅读全文GroundAnything 将视觉定位重新定义为视觉证据提取,并用双向扩散替代逐 token 的自回归生成。4B 模型在保持定位精度的同时,探索了最高 4.51 倍的推理加速。
阅读全文一项针对大语言模型“无思考”能力的研究发现,即使用户明确要求模型只给答案,模型仍可能输出可见的推理过程。研究者将这种现象称为“思考惯性”,并提出了更细致的评估方法。
阅读全文