当摄像机说"向前走",视频却纹丝不动,谁来发现这个问题?
论文提出WorldReward,一种用VLM统一评判摄像机可控世界模型的动作执行与画质的成对奖励模型,通过分块推理、智能体审核数据构建及新基准WorldReward-Bench,在人类偏好一致性和强化学习后训练效果上均超...
论文提出WorldReward,一种用VLM统一评判摄像机可控世界模型的动作执行与画质的成对奖励模型,通过分块推理、智能体审核数据构建及新基准WorldReward-Bench,在人类偏好一致性和强化学习后训练效果上均超...
论文提出BCIT方法,解决AI自动训练系统中"历史经验能否用于当前模型"的判断难题,通过证据强度、环境兼容性打分和硬性冲突否决,在保证效果的同时显著减少有害更新的误批准。
论文提出CORE框架,通过五级组合匹配数据合成与Rank-KL排序蒸馏,把重排序模型的细粒度判断能力迁移进嵌入模型,显著提升MLLM检索模型在属性物体绑定等组合推理任务上的表现,同时不损失通用检索性能。
本文研究发现,仅用一道训练样本进行在线策略蒸馏,模型就能持续进步数百步,恢复全量数据训练大部分收益。研究者提出状态覆盖率概念解释这一现象:数据供给远超算法吸收速度,揭示了训练效率的新瓶颈所在。
阿里通义团队提出Terminal-Universe框架,把AI智能体已产生的操作轨迹复原为可复用的编程环境,通过单工作空间、跨工作空间与多轮对话三种方式扩展任务,微调模型后在多个基准测试上取得显著提升。
论文研究小语言模型能否替代大模型做强化学习裁判。作者构建PointRubric和RaR-Science-Static两套数据集,发现1.7B探针裁判判断力超过生成式和对数概率方法,训练出的策略优于8B生成式裁判,且裁判耗...
2026中秋与国庆双节相继临近,受“请3休13”拼假方案带动,出境游市场提前升温。多家旅游平台数据显示,相关出境游搜索热度较今年“五一”假期激增约3倍。
论文提出Debias-SparseGPT,一种通过配对刻板印象文本构建偏见感知Hessian矩阵的模型剪枝方法,在九种大语言模型上验证,能在保持效率和性能的同时显著降低压缩带来的偏见放大问题。
今年云栖大会,闪迪带来了一些亮点产品,包括面向云数据中心的企业级SSD,以及面向智能汽车的车规级闪存产品。前者覆盖训练、推理和大规模数据存储,后者则进入车载AI和中央计算。