Низкобитное 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.
График появится после повторных замеров. Текущий показатель уже получен из источника.
23 голосов источникаТолько реальные замеры. История до подключения источника не восстанавливается.
Метод может быть полезен для оптимизации производительности LLM-агентов при ограниченных вычислительных ресурсах, обеспечивая точность без необходимости полной точности модели.
Внешняя 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 PapersReframe — 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.
3 дня назадDaily 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 PapersВ 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 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