跳到主要内容
检索

University of California, Riverside

3 篇关联报道

订阅更新
  1. arXiv

    机器人拆解不再只靠示范:PACER把自主回放与人工纠正变成训练权重,主板取件成功率87/100

    电子废弃物拆解中,视觉-语言-动作(VLA)策略的示范数据稀缺,仅靠监督微调难以覆盖部署时遇到的状态偏移。PACER把机器人自主回放、操作员纠正和补充干净示范统一成带过程角色的动作块行,按朝目标推进的程度和轨迹来源给每行赋权,仍沿用原有的监督动作损失。在UR5e主板拆解五个部件的留出硬件测试中,选出的策略完成87/100次接近与交接试验,均匀加权的后监督微调为54/100,固定几何加权为79/100。

  2. arXiv

    MG-Diff 将离散莫尔斯与配边理论引入图扩散模型,用于时空图预测与图再生

    该工作主张低维拓扑(如莫尔斯理论)可为机器学习提供尚未被充分探索的互补视角,提出引入配边理论概念并利用离散莫尔斯理论工具构建 MG-Diff 流程以改进图扩散模型性能,推导出在正决策间隙下莫尔斯理论工具及其诱导扩散引导在小扰动下保持稳定的理论保证与充分条件,并在时空图预测与图再生任务上展示其效用。

  3. bioRxiv

    RNASeek 以 16 亿参数跨门转录组模型实现 RNA 功能预测与 GRPO 引导设计,生成核酶达野生型活性、3′ UTR 超越训练数据

    作者提出 RNASeek——一个基于 DeepSeek 架构、在跨门转录组语料上训练的 16 亿参数生成式基础模型,用自然语言 token 实现条件预测与序列设计;该模型在零样本下捕捉物种特异性转录特征与内含子-外显子边界,经微调可预测核酶自切割活性与病毒 mRNA 稳定性并揭示环柔性、茎稳定性及 AU 富集基序等可解释特征,再以这些功能预测器作为奖励模型、用 GRPO 更新生成策略,产出满足用户指定 IUPAC 约束的更快切割核酶与增强稳定性的 3′ UTR,其中实验验证的生成核酶达到野生型活性水平,生成的 3′ UTR 超过训练数据与已基准测试的 AI 生成 3′ UTR 的表现。

已读完全部报道