跳到主要内容
检索

New York University

34 篇关联报道

订阅更新
  1. arXiv

    智能体不再只靠标量奖励学习:ACE-RL让反思与笔记也进入训练,四次基准留出奖励均居首

    智能体强化学习通常只把一次尝试压缩成一个标量奖励,环境里暴露的错误日志和工具输出随之丢失;ACE-RL把模型写出的反思和任务笔记也纳入训练,用执行候选笔记后的新一次尝试得分来评价它。在Mastermind、MBPP、AppWorld和MiniSWEBench四个基准上,同等训练算力下ACE-RL的留出奖励高于仅训练执行者的GRPO、ERL以及用学习评论家端到端训练的延迟联合PPO。

  2. arXiv

    神经网络找到高幅水波候选解,区间算术与Lean把残差界变成可核验的数学陈述

    物理信息神经网络此前只能给出采样点上的小残差,无法说明连续域上的误差有多大。这条流程让网络在共形坐标的Babenko方程上搜索高幅重力—毛细波,经多级神经修正、傅里叶投影与牛顿抛光把最大采样残差降低约七个数量级,再把候选冻结为显式三角多项式,用区间算术给出连续残差的严格一致上界,并在Lean中机器核验从数值界到最终残差定理的推导。

  3. arXiv

    机械臂逆运动学改由强化学习闭环:PolicyIK单次尝试在93.5%的留出任务上守住1毫米

    机械臂的逆运动学通常由数值求解器加人工整定的控制器完成,PolicyIK把这一环节改成目标条件强化学习策略,通过关节位置接口从位姿反馈更新关节参考。在仿真的7自由度OpenArm上,训练后的PPO策略单次尝试在93.5%的留出任务上把最后1秒的平均误差保持在1毫米以内,部署协议把成功率提高到98.9%;在实体臂上直接训练时,其到达与保持成功率高于四种经典逆运动学控制器。

  4. 机器人不再只照字面执行:MIT的FLEX借大模型把一句“别洒到笔记本上”扩成避开所有电子设备

    MIT 与纽约大学的研究者推出 FLEX,一套面向机器人运动规划的特征编辑流程,让机械臂在接到自然语言指令后不只照字面执行,还能推断出未明说的更高层意图。此前的方法每收到一次纠正就把一个物体加进避让清单,清单会越积越长且随环境变化失效。FLEX 用大语言模型在已指定特征之间做归纳,再用视觉系统删除已不在场的物体,在端咖啡、移蜡烛、搬保龄球三个仿真任务中,机器人既执行了字面指令,也把避让扩展到电子设备、易燃物和易碎品。

  5. arXiv

    系统发育树后验推断改用迭代生成模型:复杂演化模型下比IQ-Tree更准,简单数据上持平

    系统发育树的后验推断长期依赖似然计算,而插入缺失、位点选择等真实演化过程让似然不可解。这组条件生成模型把建树拆成自底向上、自中向外或自顶向下的一步步决策,用离散扩散目标训练,在真实与合成数据上比此前的模拟推断方法Phyloformer 2更接近MCMC后验;在简单数据上与IQ-Tree持平,在更真实的复杂模型数据上稳定更准。

  6. arXiv

    人形机器人学会“用多大力”:FLoRe用免机器人示教采集接触力,三项接触任务成功率80%

    人形机器人推车、搬箱、擦桌子这类活,光跟踪手的运动轨迹不够,还得控制接触力。FLoRe把力做成示教、策略与全身控制之间的共享接口:两只带六轴力/力矩传感器的手持夹爪在无机器人条件下同时记录手部运动与接触力旋量,扩散策略据此预测每只手的力指令,全身控制器再用实测力误差的积分去跟踪它。在Unitree G1的三项接触密集任务上,力反应策略成功率为80%,同一批示教训练、同一控制器执行的位置策略为26.7%。

  7. arXiv

    训练日志里有、上线时拿不到:运行时混杂下的策略学习有了双重稳健估计与可检验的代价

    部署时拿不到某些关键变量、而训练日志里却完整记录,这种“运行时混杂”会让强化学习策略在时间上逐步偏离。新工作把运行时限制只放进重要性比值的分子,用全量数据估计干扰函数,给出渐近正态且达到半参数效率界的离策略估计,以及相对全信息最优只差一个不可约运行时差距的策略学习遗憾界,并提供一个检验该差距的样本分割方法。

  8. arXiv

    表征不必靠规模对齐:正视图让1.09亿参数文本编码器在PRH基准上超过720亿参数语言模型

    研究把“不同模态模型会收敛到同一世界表征”的柏拉图表征假说,在JEPA(联合嵌入预测架构)上变成可证明的定理:只要各模态的正样本对描述同一世界状态,分别训练的编码器就只差一个旋转。据此区分“正视图”与“坏视图”,在相同文本与编码器下正视图对齐最好;一个1.09亿参数的文本JEPA在PRH基准上达到.184,高于所评估的全部语言模型(最高720亿参数,.154)。

  9. arXiv

    多智能体工作流不再只追任务分数:LAWA按关键路径改图,七个基准上压缩执行时间

    多智能体工作流的自动生成开始把执行时间当作目标:LAWA通过针对关键路径瓶颈的图编辑压缩总耗时,在七个基准上同时保持有竞争力的任务表现。

  10. arXiv

    距离矩阵被随机篡改后,最小生成树仍可近似:一般篡改下达到对数因子,且无需查询真实距离

    在半随机篡改的距离度量中,每条点对距离以固定概率被对手任意改写,算法只能看到被篡改后的距离。针对只增、只减和任意增减三种篡改方向,分别给出多项式时间或拟多项式时间的近似算法,其中一般篡改下达到对数因子近似,与既有下界在信息论意义上吻合,且全程不查询真实距离。