Исследователи представили Player-1, фреймворк для обучения игровому контролю с использованием синтетического опыта. Они расширили пространство действий компьютерных агентов и создали синтетические среды для обучения. Player-1-9B показал значительное улучшение в игре MineDojo-300 по сравнению с базовыми моделями.
График появится после повторных замеров. Текущий показатель уже получен из источника.
21 голосов источникаТолько реальные замеры. История до подключения источника не восстанавливается.
Player-1 может быть полезен для разработки более эффективных агентов, способных играть в игры с использованием синтетического опыта, что улучшает их способность к обобщению.
В исследовании представлено тестирование AgentSWE, которое оценивает способность кодирующих агентов создавать агентов, соответствующих требованиям пользователей. Исследование показало, что существующие агенты не могут точно выполнить поставленные задачи, поскольку между демонстрацией и реальным результатом существует значительный разрыв.
6 дней назадDaily PapersВ статье представлена S-Space — линейное подпространство в мультимодальных языковых моделях, где представления объектов кодируют непрерывные пространственные координаты. Показано, что S-Space служит внутренним рабочим пространством для пространственного рассуждения, позволяя точно оценивать пространственные отношения через восприятие, внутренние рассуждения и выборочный доступ через речь, при этом выявляя ограничения в пространственных преобразованиях при смене точки зрения.
5 дней назадDaily PapersВ статье представлен TerminalHorizon — автоматическая система синтеза данных для агентов с долгосрочными целями. Создано 1,5 тыс. сред для задач, и модель Qwen3.5-27B была дообучена на этом наборе данных, что привело к улучшению производительности на различных тестах. Модель показала способность к экспериментам, улучшению методов и сохранению эффективных улучшений в итоговых результатах.
6 дней назадDaily PapersUrbex — это агентная визуально-языковая система, которая преобразует задачу позиционирования в активный пространственный поиск. Она представляет городскую 3D-сцену как интерактивную многоугольную среду, позволяя агенту VLM искать достопримечательности, увеличивать локальные регионы и фиксировать ограничивающие коробки. Эксперименты показали, что Urbex достигает наилучших результатов по Hit@1 и IoU на CityRefer.
позавчераDaily PapersОпределение, является ли изображение ИИ-сгенерированным, не подтверждает, подкреплены ли факты, изображенные на нем. Мы формулируем оценку достоверности изображения: при наличии изображения и общего инструкции по проверке система возвращает заключение о поддержке или опровержении с обоснованным объяснением. Мы представляем EviLens — экспертно проверенный набор данных из 10 174 изображений, охватывающий двенадцать типов фактических ошибок. Мы разрабатываем EviScene — мультимодальный агент ReAct, который чередует визуальный анализ, внешний поиск и анализ доказательств.
5 дней назадDaily PapersМногострочные внимательные остатки (MSAR) — это расширение метода AttnRes, которое обобщает механизм внимания на многоголовую глубину, обеспечивая значительные улучшения производительности с минимальными дополнительными затратами. MSAR использует многошкальные причинные свертки для получения разнообразия потоков из последовательности, позволяя разным головкам получать исторические представления через различные контекстные виды.
6 дней назад