hiw3c 日报精选

星期五 · 90 条
  1. arXiv cs.AI/CL/LG信号源(脚本内置抓取)02:59快照

    扩散Transformer的训练后强化机制

    作者: Tuna Han Salih Meral, Kaan Oktay, Alec Helbling | 强化学习(RL)训练后可显著提升扩散变换器的视觉质量、文本渲染效果及组合精度。由于如渲染请求文本或组合多个对象等能力本质上依赖于提示,因此一个合理的假设是,提升这些能力需要学习复杂、依赖输入的变换。要分离出t的多少部分

  2. arXiv cs.AI/CL/LG信号源(脚本内置抓取)02:59快照

    PlayCraft:基于智能体游戏体验设计吸引人的游戏

    作者: 程伟豪 | 近期的AI智能体能够生成可游玩游戏,但这些游戏未必具有吸引力。精通是吸引力的关键来源,而针对此目标进行设计则需要大量人类游玩与调优。我们提出PlayCraft,一种自动化框架,该框架利用基于视觉的智能体来玩游戏,并借助其详细的游玩经验对游戏进行优化,以提升精通程度。从初始游戏开始,PlayCraft修改

  3. arXiv cs.AI/CL/LG信号源(脚本内置抓取)02:58快照

    TideCache:高效混合LLM服务,具备透明缓存管理与层级流式传输功能

    作者: Jinbin Luo, Xiaozhe Yao, Shang Yang | 混合架构在开放权重语言模型中已成为主流。其全局注意力层与有界状态层维持异构缓存,这些缓存的需求随上下文长度与并发程度而变化。我们提出TideCache,一种基于CPU--GPU超芯片的服务系统,包含三个组件:用于在缓存之间分配GPU内存以及管理其在GPU与主机内存中的驻留机制

  4. arXiv cs.AI/CL/LG信号源(脚本内置抓取)02:58快照

    单一先验,双重动态:将视频扩散变换器重新用于自监督潜在动作学习

    作者: Yuxin Jiang, Wenqiang Sun, Jiaqi Li | 视频揭示了世界如何变化,却很少展示导致这些变化的行为。潜在动作学习能从视觉转换中恢复此类监督,但往往从零开始就学习底层动态。我们探讨预训练视频生成器能否转而为逆向和正向动态提供先验。我们介绍O$^{2}$LaF,其构建基于一个简单的原则:一个先验,

  5. arXiv cs.AI/CL/LG信号源(脚本内置抓取)02:57快照

    AgentRoboCritic:了解Frontier智能体在直接机器人控制方面的能力

    作者: 杜毅阳、匡宇轩、赵奇涛 | 前沿多模态语言智能体,如GPT-6 Astra,已证明在无需高级原语的情况下,通过低级数值动作直接控制机器人方面具备强大能力。然而,现有基准仅报告场景级成功率,这既未能说明这些智能体为何成功,也未能揭示其失败原因。在本文中,我们对前沿智能体的系统性动作级分析进行阐述。

  6. arXiv cs.AI/CL/LG信号源(脚本内置抓取)02:56快照

    生物传感器引导合成IMU生成

    作者: Deepali Singh, Deepesh Parpani, Aviral Gupta | 收集和标记惯性测量单元(IMU)数据用于人体活动识别(HAR)成本较高,在某一组受试者上训练的模型往往无法泛化至未见过的个体。即使有平衡数据,分类器仍难以区分动态相似的活动类别,并可从定向增强中获益。我们探讨在rep中生成的合成IMU数据是否

  7. arXiv cs.AI/CL/LG信号源(脚本内置抓取)02:55快照

    深度Pro 2:清晰且时间一致性良好的度量单目深度

    作者: Peiyun Hu, Marko Mihajlovic, Lyndon Duong | 我们介绍Depth Pro 2,一种用于在全分辨率下估计图像和视频的密集度量深度的方法。通过分析单目深度估计的现有方法,我们发现它们通常在时间一致性与边界清晰度之间进行权衡:多帧方法更注重一致性,单帧方法更注重清晰度。为克服这种权衡,我们训练了一个单一、可扩展网络

  8. arXiv cs.AI/CL/LG信号源(脚本内置抓取)02:54快照

    SoK:评估LLM能力在软件漏洞研究中的演变

    作者: Amine Lbath, Manan Suri, Aurelien Delaitre | 基于LLM的智能体在实时软件中发现、验证和修补漏洞方面正变得越来越强大,供应商与研究人员报告称,这已正在改变漏洞的发现与修复方式。然而,这些说法分散于各类论文、供应商报告及公开声明中,且很少具有可比性。我们引入一种框架,用于评估这些能力

  9. arXiv cs.AI/CL/LG信号源(脚本内置抓取)02:52快照

    通过蒸馏一个知识源教师进行主动特征获取

    作者: 杨蒙、丁子欣、罗伯特·L·格罗斯曼 | 获取实例的所有特征通常成本高昂:测量可能涉及金钱成本、时间延迟或隐私成本。主动特征获取(AFA)通过学习一种策略来解决这一问题,该策略可针对每个实例决定在预算范围内应获取哪些特征。现有AFA方法通过优化自构建效用目标来训练该策略,而非从明确的教师数据中提取。

  10. arXiv cs.AI/CL/LG信号源(脚本内置抓取)02:52快照

    PGX:物理支撑执行,用于长距离人形机器人定位操控

    作者: Kai Lu, Chenyang Ma, Ioannis Havoutis | 机器人视觉语言动作(VLA)模型能够执行多种独立的操作技能,但仍在长距离定位操作任务上存在困难,此类任务中时间结构、技能与精度在单一模型中紧密耦合。我们提出物理基础执行(PGX),一种框架,可将时间与精度控制卸载至两个经典无训练组件