实体
Blocksworld
Blocksworld
PulseAugur coverage of Blocksworld — every cluster mentioning Blocksworld across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新框架和架构旨在提高LLM的推理能力
研究人员正在开发新的方法来评估和提高大型语言模型（LLM）的推理能力。Elenchos和CRiT-QA是旨在通过引入突变和反事实来测试溯因推理和多跳推理的新框架，以挑战LLM对内部知识或数据集捷径的依赖。此外，Turbo Connection和MetaState等新颖的架构修改旨在通过改善模型层之间的信息流和整合持久工作记忆来增强推理能力。其他研究侧重于评估超越简单准确性的推理质量，其中Filtered Reasoning Score…
-
新的WA*框架在AI规划中实现了零样本泛化
研究人员开发了一个名为WA*的新型自改进规划框架，该框架将由关系图神经网络表示的价值启发式与Q学习相结合。这种方法指导搜索并利用结果数据来更新启发式，使其能够充当通用策略。该框架展示了强大的零样本泛化能力，无需搜索即可解决新的问题实例，这在稀疏奖励域中是传统深度强化学习方法的一项重大进步。该系统已在Sokoban、PushWorld、The Witness和2023年国际规划竞赛等基准测试中取得成功。
-
生成模型通过自我改进实现高质量计划生成
研究人员开发了一种用于生成模型的自我改进技术，以更有效地生成高质量计划。该方法通过模型调用和图搜索的组合生成改进的计划，然后对初始模型进行微调。在四个领域的实验表明，与传统的符号规划器相比，计划长度平均减少了 30%，并且超过 80% 的生成计划是最优的。