cheetah
PulseAugur coverage of cheetah — every cluster mentioning cheetah across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
新研究探讨世界模型在交叉熵方法中的双重作用
一篇新的研究论文探讨了世界模型在交叉熵方法（CEM）中的双重作用，强调了它们在选择动作和改进未来提议方面的功能。研究发现，评分错误会影响即时决策和随后的候选池。在Walker和Cheetah任务上的实验显示，在CEM迭代过程中，提议宽度会收缩，拟合均值会发散，在Walker上的成对排名一致性接近随机，在Cheetah上则下降。用环境排名更新替换模型排名更新的干预措施表明，最终实现的选定序列成本有所降低。
-
OptiPrime框架通过协议-硬件协同设计优化私有DNN推理
研究人员开发了OptiPrime框架，旨在提高私有深度神经网络（DNN）推理的效率。该框架通过协同优化协议和硬件，解决了混合同态加密（HE）和多方计算（MPC）相关的延迟问题。OptiPrime引入了一种新的卷积HE协议，显著减少了传输的密文数量，从而缓解了网络通信瓶颈。此外，它还包含了一个轻量级的权重明文压缩系统和一个专门的数据流，以增强片上数据重用，从而带来显著的性能提升。
-
GTA 6 终极版尽管价值可疑，但预订量仍居首位
《侠盗猎车手 VI》的终极版售价为 99.99 美元，绝大多数预订都选择了此版本，据报道占总销量的 90%。这个高级版本包含独家的游戏内地点、支线任务、载具和装饰物品。然而，评论员认为，与标准版相比，额外花费 20 美元可能不值得许多玩家购买，因为大多数可解锁内容都可以通过游戏过程或发布后的升级获得。与之前的豪华版不同，《GTA 6》的终极版似乎不提供提前访问权限，这进一步降低了立即购买的吸引力。
-
新协议衡量AI中世界模型更新的价值
研究人员开发了一种名为“fork ledger”的新协议，用于衡量持续学习场景中世界模型更新的实际价值。该方法在特定点分支部署流，从而可以直接比较应用更新与保持模型参数不变。在CartPole、Walker和Cheetah等控制任务上的实验表明，即使使用固定机制，持续应用更新也可能降低性能。
-
GeoPAR框架通过几何引导提升多智能体优化性能 · 跟踪2个来源
研究人员开发了GeoPAR，一个旨在提高多智能体组合优化效率和可扩展性的新框架。这种几何引导的并行自回归强化学习方法通过更好地建模局部几何结构和更有效地处理冲突任务选择，解决了现有方法的局限性。实验表明，GeoPAR在车辆路径规划等问题上能够提高大规模零样本泛化能力，同时减少计算步骤并保持高效推理。
-
新研究重新审视复杂强化学习空间中的动作分解 · 跟踪到2个来源
一篇新的研究论文探讨了在强化学习中处理复杂动作空间的方法，特别是那些结合了离散动作和连续动作的动作空间。该研究分析了不同算法和环境中的各种分解技术，并引入了两个新的并行环境 CoopPush 和 Hybrid-Shoot 来促进这项研究。研究结果表明，分支对决架构在计算和性能之间取得了良好的平衡，而自回归动作（Auto-Regressive actions）取得了最高的整体性能，尽管原生连续 SAC 尽管计算成本更高，但表现更优。