В статье представлена GPT-Policy — фреймворк для обучения роботов на основе контекста, использующий визуально-языковые модели для адаптации к новым задачам без градиентных обновлений. Он объединяет компилятор контекста, ВЯМ для предложения действий и ограничительный контроллер для проверки и выполнения, демонстрируя улучшенное выполнение задач с использованием видео-демонстраций людей.
График появится после повторных замеров. Текущий показатель уже получен из источника.
13 голосов источникаТолько реальные замеры. История до подключения источника не восстанавливается.
Этот подход позволяет роботам адаптироваться к новым задачам с использованием визуально-языковых моделей без перетренировки, что может повысить их гибкость в реальных сценариях.
В статье представлена XConf — метод оценки уверенности в языковых моделях, основанный на накопленном опыте модели. XConf использует прошлые эпизоды, включая задания, рефлексию, уровни уверенности, результаты и уроки, чтобы информировать текущие оценки уверенности через процесс запоминания и рефлексии. Она превосходит существующие методы по дискриминации и калибровке с меньшими вычислительными затратами.
позавчераDaily PapersStepAudio 3 Realtime — это модель аудио-языкового фундамента для реального времени, с непрерывным циклом слушания, разговора, мышления и действий. Включает Deep Perception для интерпретации намерений пользователя, Seamless Duplex для синхронизации аудиопотоков и Think-While-Speaking для баланса между рассуждениями и задержкой. Модель показывает высокие результаты на таких тестах, как MMSU и Artificial Analysis Full-Duplex, а также имеет коэффициент успешности задач на τ-Voice.
5 дней назадDaily PapersStepAudio 3 Music — это модель генерации музыки масштаба, использующая явное музыкальное планирование и текстовое управление. Она использует поток-совпадающий диффузионный Трансформер для предсказания аудио-латентов, с дискретно-непрерывной архитектурой и моделью Mixture-of-Experts для генерации структурированной музыки.
6 дней назадDaily PapersLimiX-2 - новая модель из семейства LimiX, использующая парадигму Contextual Mechanism Networks (CMNs), предобученная с использованием Context-Conditional Masked Modeling (CCMM). Она фокусируется на изучении совместных представлений процессов генерации данных, а не на предсказании целевых переменных, демонстрируя превосходные результаты на табличных данных и способствуя осознанию причинности.
позавчераDaily PapersPhysBrain 1.5 - модель для понимания физических сред, генерации действий и предсказания будущих состояний. Она использует основу визуально-языковых моделей, кодирует языковые ответы и движения как последовательности и предварительно обучается на видео взаимодействия людей. Модель показывает отличные результаты на тестах понимания физических сред.
3 дня назадDaily PapersLynnReal-Omni — это фреймворк генерации мультимодальных видео, объединяющий текст-в-видео, генерацию на основе изображений и структурный контроль в одном модели. Он включает 32-миллиардную общую мультимодальную трансформер-модель диффузии и версию 27B Flash для реального времени, с пайплайном данных и методом оценки для задач генерации видео.
3 дня назад