SolarRenderer — это видео-рендерер, который адаптирует предобученную модель MiniMax-H3 33B с помощью двух легковесных LoRAs. Он использует структурные видео, введенные в естественный поток данных модели, без идентификатора типа, что позволяет одному контролирующему LoRA следовать различным структурным представлениям. Метод позволяет генерировать видео за 4 шага, что в 12,3 раза быстрее, чем 50-шаговая выборка, сохраняя при этом обученные контроли.
График появится после повторных замеров. Текущий показатель уже получен из источника.
1 голосов источникаТолько реальные замеры. История до подключения источника не восстанавливается.
Может быть полезен для создания реалистичных видео из структурных описаний, таких как игровые движки или симуляторы.
MemT-1.0 — это новая архитектура памяти фундаментальных моделей, которая интегрирует память как часть вычислений модели. Она использует Gated DeltaNet-2 с устойчивым механизмом обновления токенов памяти и Mixture-of-Storage для масштабирования памяти. Модели MemT-1.0-Nano и MemT-1.0-Flash показали превосходство над базовыми моделями памяти и конкурентоспособность с методами, использующими поиск.
позавчераDaily PapersМетод Waypoint-OPD использует промежуточную точку проверки учителя для сравнения ранних и поздних сдвигов в предпочтениях действий при переносе политики. Он оценивает согласованность между ранними и поздними сдвигами и подавляет сдвиг на конечном этапе, если они противоречат друг другу.
6 дней назадDaily PapersВ исследовании изучается, насколько представления разреженных автокодировщиков (SAE) поддерживают композиционность поведения. Вводится метрика SAR, которая измеряет необъяснимую вариацию поведения выше определённого порядка взаимодействия. Эксперименты показывают, что обученные координаты SAE демонстрируют более низкие первые остатки по сравнению со случайными вращениями подпространства.
6 дней назадDaily PapersИсследуется, как модели визуально-языкового понимания (VLM) могут учиться мыслить и активно исследовать 3D-пространство. Вместо предоставления многопerspective изображений, видео или 3D-представлений модели, сохраняется нативное визуальное кодирование VLM, то есть одно изображение за раз, как у людей, и 3D-представление рассматривается как среда, с которой модель взаимодействует через действия (например, движение влево) и наблюдения (отрендеренные изображения).
6 дней назадDaily PapersВ данной работе представлен Scene-Designer — агентная система, которая обучается интеллекту дизайна через совместные опыт проектирования и критики. Для этого были созданы два набора данных: Scene-OTA-35K и Scene-OTC-15K. Предложена методология Scene-GRPO, которая улучшает решения по проектированию и уменьшает ненужные исправления. Эксперименты показали превосходные результаты в физической корректности, функциональной правильности и согласованности планировки.
5 дней назадDaily PapersМодели VLA передают семантическое знание, полученное через предварительную тренировку зрения-языка, для управления роботами, но не учитывают промежуточные физические изменения. VLA-Δ использует изменения физического состояния между текущим и будущим состоянием в качестве целевых объектов обучения. Для этого создана большая предварительная тренировочная база данных с аннотациями переходов физического состояния.
6 дней назад