Reframe — это пост-обучение фреймворк, который учитывает состояние наблюдения, а не только распределение выходов, для агентного визуального рассуждения. Метод включает GD-GRPO и OG-MOPD, которые улучшают использование возвращенных инструментами наблюдений и восстанавливают наблюдения во время сеанса.
Этот источник давно не обновлялся. Время замера указано выше.
График появится после повторных замеров. Текущий показатель уже получен из источника.
25 голосов источникаТолько реальные замеры. История до подключения источника не восстанавливается.
Reframe может быть полезен для улучшения способности агентов эффективно использовать возвращенные инструментами наблюдения и восстанавливать поведение в сложных визуальных задачах.
В работе представлена система A2-MEAS, основанная на коде как интерфейсе масштабирования, которая использует обученные коды коррекции для повышения автономности роботов. Метод достиг высоких результатов на различных задачах, включая BEHAVIOR 2026 и RoboTwin 2.0.
6 дней назадDaily PapersНизкобитное квантование снижает стоимость инференса LLM-агентов, но может ухудшить выполнение задач. SteerDistill — это метод квантования, в котором полнопроизводительный учитель направляет студента для исправления неудачных ответов и итеративно улучшает свое руководство на основе обратной связи от выполнения студента. Метод обеспечивает локально проверенные корректировки поведения.
позавчераDaily PapersТактильное восприятие является неотъемлемой модальностью для манипуляций с высокой степенью свободы, однако коммерческие тактильные датчики имеют свои ограничения. В данной работе представлено LingBot-Touch, фундаментальная модель тактильного представления, способная объединять данные с различных типов датчиков, таких как пьезорезистивные, магнитные и визуально-тактильные. Модель обеспечивает совместимость с различными типами моделей политик, улучшая манипулятивные навыки.
3 дня назадDaily PapersВнешняя память позволяет агентам LLM улучшать свои навыки на основе опыта, но также может приводить к деградации памяти, когда агент не справляется с задачами, которые он мог бы решить без памяти. Для решения этой проблемы вводится WikiTrace, система доказательств, связанная с памятью, которая позволяет агентам проверять каждое правило на основе оригинальной траектории.
позавчераDaily PapersВведение в рамках оценки Embodied First Exam, где кодирующие агенты могут выбирать собственный подход к контролю роботов. Включает 1,156 задач в 35 наборах на 47 роботах, с тремя режимами оценки. Сильнейший агент показал успех в 34% задач в стандартном режиме.
3 дня назадHacker NewsСборник инструкций по созданию складных самолетов из бумаги.
3 дня назад