norgitov/ trends
Технологии · люди · идеи
RSS
RUEN
К обзору/Daily Papers1 час назад
ИсследованияDaily Papers

Кодирующие агенты для обобщенных задач планирования задач и движения

В этой статье исследуется использование кодирующих агентов для автоматизации планирования задач и движения (TAMP) путем генерации программ, обобщающихся на различные экземпляры задач. Агенты, использующие большие языковые модели, такие как Claude Code (Opus 5) и Codex (GPT-5.6 Sol и GPT-6 Astra), превзошли традиционные планировщики и базовые варианты в симуляциях с различным количеством объектов, демонстрируя более высокие показатели успеха и меньшие вычислительные затраты.

Открыть первоисточник
СИГНАЛ ИЗ ИСТОЧНИКА
3
голосов источника
Наблюдаем с25 сентября 2026 г.3 голосов источника
Темп интереса—Нужны повторные замеры
Опубликовано24 сентября 2026 г.Matteo Merler, Bowen Li, Josh Roy
ЗА ЦИФРАМИ

Как меняется интерес

Daily Papers

История начинает расти

График появится после повторных замеров. Текущий показатель уже получен из источника.

3 голосов источника

Только реальные замеры. История до подключения источника не восстанавливается.

ЗАЧЕМ ОБРАТИТЬ ВНИМАНИЕ

Это исследование показывает, что кодирующие агенты могут эффективно справляться с обобщенными задачами TAMP, предлагая перспективный подход для автоматического планирования в сложных средах с различными конфигурациями объектов.

Полезная находка?
ПРОДОЛЖИ ИССЛЕДОВАНИЕ

Рядом по теме

Вся тема
Daily Papers

Вкусный агент: Измерение и улучшение вкуса в задачах с долгим горизонтом

В статье представлена Taste-Bench — тест для оценки «вкуса» агента при принятии решений на длинных горизонтах. Она измеряет способность выбирать лучший путь на точках ветвления без знания будущих исходов, показывая, что современные модели плохо справляются, и что вкус можно улучшить с помощью дистилляции.

3 дня назадDaily Papers

Document Retrieval-Aware Chunking (D-RAC): Универсальная интеграция корпоративных документов с использованием нормализации PDF и мультимодального преобразования в Markdown

В статье представлена методика Document Retrieval-Aware Chunking (D-RAC), которая эффективно обрабатывает корпоративные документы, нормализуя их в PDF и преобразуя в оптимизированный для поиска Markdown с использованием мультимодельной ИИ. Этот подход сохраняет структуру документа, снижает затраты на токены и повышает эффективность фрагментации.

4 дня назадDaily Papers

HappyWorld-Bench: Оценка надежности моделей мира при взаимодействии

HappyWorld-Bench — комплексный бенчмарк для оценки надежности сгенерированных миров при взаимодействии, изучая их согласованность и отзывчивость. Он включает три трека — видео, пространственные и телесные модели мира — с 1 138 видеоподсказками, 300 пространственными сценами и 254 тестовыми случаями для телесных моделей. Бенчмарк использует сравнения A/B с участием людей и автоматизированные метрики для оценки корректности поведения и производительности 14 видео-моделей, 9 пространственных систем и 8 телесных кандидатов.

4 дня назадDaily Papers

Все в одном: многоязычное распознавание текста в сцене с учетом письменности

В этой статье представлена система распознавания текста в сцене, охватывающая несколько языков, использующая архитектуру Mixture-of-Experts (MoE), учитывающую письменность. Система ScriptMoE превосходит существующие методы на задачах распознавания многоязычного текста, используя большой синтетический датасет и легковесную архитектуру, которая делит визуальный кодировщик, а декодирование выполняется специализированными экспертами для каждой письменности.

4 дня назадDaily Papers

OmniEdu: Открытые фундаментальные модели для обучения и преподавания

OmniEdu — это открытая семья фундаментальных моделей для образования K-12, ориентированная на решение задач, понимание учебной программы, диагностическое мышление и инструктаж. Модели обучены на разнообразном наборе данных образовательных ресурсов и оценены по нескольким бенчмаркам, демонстрируя высокую производительность в образовательных задачах.

6 дней назадDaily Papers

Spatial-Interactor: Обучение пространственному рассуждению через взаимодействие с наблюдаемым физическим миром

В статье представлена Spatial-Interactor — фреймворк для обучения визуально-языковых моделей (VLM) моделированию переходов состояний физического мира через взаимодействие. Используется трехуровневая программа и набор данных с имитированными и реальными траекториями взаимодействия для улучшения пространственного рассуждения в динамических средах.

6 дней назад