跳到主要内容
检索

Hong Kong Metropolitan University

3 篇关联报道

订阅更新
  1. arXiv

    自动驾驶规划器补上缺失的未来画面:沿候选轨迹渲染,NAVSIM v1 从 86.2 升到 91.3

    自动驾驶世界行动模型在强化学习后训练时会探索日志里没有的候选轨迹,但驾驶日志只记录实际行驶轨迹的未来视频,这些候选因此缺少匹配的视觉监督。SimVTA 用基于 3D 高斯泼溅重建真实场景的模拟器,沿候选轨迹渲染未来视频作为与预测无关的目标,并按轨迹奖励和视频预测误差挑选高奖励、高误差的未来帧做流匹配监督,同时用 GRPO 优化轨迹。在 NAVSIM v1 上,它把 Epona 初始化的 PDMS 从 86.2 提升到 91.3,NAVSIM v2 上 EPDMS 从 85.0 升到 88.2,HUGSIM 闭环平均 HD-Score 为 38.8。

  2. arXiv

    Draft-KV 让接收方真正用上共享方草稿的 KV 状态:MMLU-Redux 上 0.5B 接收方从 37.45% 升到 78.04%,换成无关问题的消息则回落到 36.40%

    该工作先审计了已有潜在通信接口:在五个方法-数据集组合中,把消息换成来自无关问题的消息,准确率变化最多 0.60 个百分点,即使通信本身比单独接收方高出 15.44 个百分点,说明增益可能来自接口适配而非消息内容;随后提出 Draft-KV,把共享方起草答案时形成的键值状态经线性投影放入侧记忆、由带门控的注意力分支读取,并以渐进式训练从消息重建过渡到答案监督、同时用单侧护栏限制错配消息的伤害,两个模型保持冻结、接口仅训练 1.05M 参数(比 C2C 少 348 倍);在 Qwen3-8B 共享方与冻结的 Qwen2.5-0.5B-Instruct 接收方组合下,MMLU-Redux 达到 78.04%,单独接收方为 37.45

  3. medRxiv

    术前社会连接与成人术后结局:系统综述与荟萃分析

    该研究系统检索并汇总了445项研究,发现术前社会连接较弱与术后早期死亡(OR 1.50,95% CI 1.12-2.01)和非家庭出院(OR 1.95,95% CI 1.35-2.81)相关,但与术后生存、非计划再入院和并发症的关联置信区间均包含1,总体证据确定性为低至极低。

已读完全部报道