· ai
[Paper] TUNA：驯服统一视觉表征以用于原生统一多模态模型
统一多模态模型（UMMs）旨在在单一框架内共同执行多模态理解和生成。我们提出了 TUNA，一种原生的 UMM，...
-
- · ai
[Paper] 改进的 Mean Flows：关于 Fastforward 生成模型的挑战
MeanFlow（MF）最近被确立为一种一步生成建模的框架。然而，它的“fastforward”特性在…
- · ai
[Paper] Four Over Six：更精确的 NVFP4 量化与自适应块缩放
随着大语言模型规模的不断扩大，低精度数值格式（如 NVFP4）因其速度和内存优势而日益受到欢迎……
- · ai
[Paper] AirSim360：在无人机视角下的全景仿真平台
360度全向理解领域因推动空间智能而受到日益关注。然而，缺乏大规模…
- · ai
[Paper] 大语言模型测试时计算规模化的艺术
测试时伸缩（Test-time scaling，TTS）——在推理过程中动态分配计算资源——是提升大型语言模型（LLMs）推理能力的一个有前景的方向。
- · ai
[Paper] MV-TAP：在多视角视频中跟踪任意点
多视角摄像系统能够对复杂的真实世界场景进行丰富的观测，在多视角设置中理解动态对象已成为核心……
- · ai
[Paper] 从音频学习视觉可供性
我们引入了 Audio-Visual Affordance Grounding (AV-AG)，这是一项从动作声音中分割对象交互区域的新任务。不同于现有方法……
- · ai
[Paper] AlignSAE：概念对齐稀疏自编码器
大型语言模型（LLMs）在隐藏的参数空间中编码事实知识，这些空间难以检查或控制。虽然稀疏自编码器（SAEs）……
- · ai
[Paper] 学习 Sim-to-Real 类人机器人行走 只需 15 分钟
大规模并行仿真已将机器人强化学习（RL）训练时间从数天缩短到数分钟。然而，要实现快速且可靠的仿真到…
- · ai
[Paper] RoaD：将 Rollouts 视为 Demonstrations 用于闭环监督微调自动驾驶策略
自动驾驶策略通常通过 open-loop behavior cloning 对人类示范进行训练。然而，这类策略在协变量偏移时会受到影响。
- · ai
[Paper] LLM CHESS：通过国际象棋对LLM的推理和指令遵循进行基准测试
我们介绍了 LLM CHESS，一个旨在探究大型语言模型在推理和遵循指令能力上的泛化性的评估框架（...）。
- · ai
[Paper] 非平稳环境中的离线强化学习预测
离线强化学习（RL）在从预先收集的数据集训练策略时提供了一条有前景的途径，尤其是在获取额外交互数据困难的情况下……