LOTAPO 回溯式归因改进多轮搜索智能体过程奖励
逐轮删除搜索动作判断贡献分配过程奖励
A
打开原文 同分类更多
查看全部论文
HAF让通用VLA模型适配人形机器人全身操作
北京大学等机构研发，分层动作流结合频谱潜空间RL，七项家庭任务得分提至70.5%
论文VA-Judger以人类偏好评判视听整体一致性
上海创智学院等构建VAPref-10K数据集，比单项指标更贴合人类观看体验
论文SPADE让语言模型与训练环境共同进化
华盛顿大学等研发，同一模型分饰出题人与解题者，延缓任务池饱和
论文SkillGate为长程智能体建立独立技能信用通道
上海交大等提出，拆分技能选择与执行奖励，9B模型成功率提至53.2%
论文统一寄存器自动机框架覆盖稠密非稠密数据域
中科院等提出，多项式时间算法处理整数与有理数的顺序关系
论文ORIGIN以最优传输统一视觉语言模型推理与适应
UIUC等研发，全局图文匹配生成可靠伪标签，分布偏移任务提7个百分点