· ai
[Paper] 贝尔曼校准用于离线强化学习中的 V-Learning
我们引入 Iterated Bellman Calibration，这是一种简单、模型不可知、事后（post‑hoc）校准 off‑policy 价值预测的程序，适用于无限时域的 Markov …
-
- · ai
[Paper] 用细粒度人类反馈对文本片段微调 LLMs
我们提出了一种方法和数据集，用于在偏好监督下通过反馈驱动的改进链对语言模型进行微调。给定模型的响应，……
- · ai
[Paper] PROFASR-BENCH：针对高风险专业语音的上下文条件化 ASR 基准
在专业环境中的自动语音识别（ASR）面临着现有基准低估的挑战：密集的领域术语、正式语体的变体……
- · ai
[Paper] 多语言隐藏提示注入攻击对基于LLM的学术评审
大型语言模型（LLMs）正日益被考虑用于高影响力的工作流程，包括学术同行评审。然而，LLMs 易受到文档……
- · ai
【论文】Web World Models
语言代理日益需要持久的世界，在其中它们可以行动、记忆和学习。现有方法位于两个极端：传统的网络 fra...
- · ai
[Paper] 端到端 Test-Time Training 用于长上下文
我们将长上下文语言建模定义为持续学习中的一个问题，而不是架构设计。在这种定义下，我们仅使用标准的 a...
- · ai
[Paper] 校准的多层分位数预测
我们提出了一种在线方法，用于同时保证多个分位水平的分位数预测的校准。α水平的分位数预测序列……
- · ai
[Paper] 随机控制微分方程
我们提出了一种训练高效的时间序列学习框架，将随机特征与受控微分方程（CDE）相结合。在这种方法……
- · ai
[Paper] IDT：一种基于物理的 Transformer 用于前馈多视角固有分解
内在图像分解是视觉理解的基础，因为 RGB 图像将材料属性、光照和视角相关效应交织在一起。Rec...
- · ai
[Paper] 少即是多：Probabilistic reduction 最好用 small-scale predictability measures 来解释
本文的主要研究问题集中在定义在研究关系 b 时所需的或适当的上下文量。
- · ai
[Paper] RoboMirror: 先理解再模仿——从视频到类人机器人行走
人类通过视觉观察学习运动，先解释视觉内容再模仿动作。然而，state-of-the-art humanoid locomotion sy...
- · ai
[Paper] 嵌套浏览器使用学习用于代理式信息寻求
Information-seeking (IS) agents 已在广泛且深入的搜索任务中取得了强劲表现，但它们的工具使用仍然主要局限于 …