跳到主要内容
检索

Curtin University

3 篇关联报道

订阅更新
  1. arXiv

    SPL 在错峰参与的多智能体协作中于全部 60 项对比里提升任务完成度,平均增益 14.1%

    作者提出错峰参与(SP)这一协作多智能体强化学习设定:智能体在时间上错开的参与窗口内贡献同一目标,早期参与者留下的任务相关信息可供后期参与者使用;他们提出训练期增强方法 SPL,用前瞻性采集监督引导早期智能体采集有用信息,用结果监督的接收方学习训练后期智能体使用继承证据,在 60 项 MPE/RWARE 骨干对比中任务完成度全部更高,平均差 14.1%,并扩展到八智能体团队与 Isaac Lab 的 UAV–UGV 物理仿真。

  2. arXiv

    DCSD把自蒸馏的信用方向与幅度拆开:11个基准总体最优,数学推理较基座提升8.45分

    该工作提出解耦信用自蒸馏(DCSD),用信念边际探测确定每步推理的信用方向、用边际信息增益量化其贡献幅度,再让特权教师只负责步内token分配,在11个数学与多模态推理基准上总体得分优于GRPO、OPSD、RLSD与RLCSD,相比基座模型数学推理总体提升8.45分、多模态推理提升7.01分,并纠正约6% token的信用方向、使token信用幅度降低约1.5倍。

  3. BJPsych Open

    澳大利亚团队发布5W-PL方案:链接维多利亚州14个卫生与公共服务数据集,追踪12–25岁青少年心理健康服务路径

    该方案描述了5W-PL研究的设计:依托维多利亚州数据链接中心(CVDL)的维多利亚链接图谱,将死亡率、精神卫生、医院、急诊、救护车及儿童保护、残疾、性侵、无家可归、酒精与毒品等14个数据集进行确定性加概率性链接,构建1970至2010年出生、2015至2025年服务使用记录的跨部门纵向队列,以识别12–25岁青少年的照护路径亚组、地理服务需求格局,并建立服务类型与强度的预测模型。

已读完全部报道