实体
GTPO
GTPO
PulseAugur coverage of GTPO — every cluster mentioning GTPO across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新数据集和框架推动了AI的视觉-触觉学习
研究人员推出了两个新的数据集和框架,旨在推进具身AI的视觉-触觉学习。TouchScale提供了500小时人类交互的同步视觉和触觉数据,显著提高了零样本接触预测和机器人操作的成功率。另一方面,PhysTacGen是一个通过整合物理感知材料描述和几何条件来生成逼真视觉-触觉传感器图像的框架,可以扩充现有数据集并提高下游任务性能。
-
新的ACPO框架增强了大型语言模型的强化学习能力
研究人员推出了一种名为自适应信用策略优化(ACPO)的新框架,旨在改进大型语言模型强化学习中的信用分配。ACPO通过不对称地调整策略更新来解决稀疏奖励的挑战,重点关注成功试验中的不确定决策和失败试验中的过度自信的token。该方法旨在在保持策略梯度方向的同时,提高在AIME 2025和HumanEvalPro等基准测试上的性能,优于DAPO、GTPO和SAPO等现有方法。