OpenEQA
PulseAugur coverage of OpenEQA — every cluster mentioning OpenEQA across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
LLM 微调用于 QFT 和视频 QA，发布新研究
研究人员探索了将大型语言模型 (LLM) 微调用于专业科学领域，特别是量子场论 (QFT)。一项研究比较了强化学习 (RL) 和监督微调 (SFT)，发现 RL 在人类适应性问题上泛化能力更强，而 SFT 在分布内合成任务上表现更佳。这项研究还涉及创建一个数据生成管道并发布可验证的 QFT 训练数据。另一篇论文介绍了 SpatialMem，一个集成了 3D 几何、语义和语言用于视频基础和问答的系统，并在 VSI-Bench 和 Ope…
-
机器人通过新基准和新架构获得长期记忆能力
IROS 2026 的新基准和研究强调了长期具身记忆对机器人日益增长的重要性，超越了简单的上下文窗口，以解决复杂的现实世界变化和错误传播。中国初创公司 Beta Unlimited 开发了 BetaMem，这是一种多模态记忆架构，使用开源的 9B 模型在多个记忆基准上取得了最先进的结果。BetaMem 在证据和状态之间进行区分，记录事件，并在六个层级上管理记忆，旨在为机器人提供对其环境和过去交互的更强大、可验证的理解。
-
新的MemTree3D方法提高了3D问答效率
研究人员开发了一种名为MemTree3D的新方法，用于在具身场景中进行更高效的3D问答。该方法使用一种紧凑、可重用的3D场景表示，使大型语言模型能够快速检索相关关键帧以进行查询，而无需处理整个视频流。MemTree3D系统提高了GPT-4o和LLaVA-OneVision-7B等模型在OpenEQA基准上的性能，优于现有的视觉搜索方法。
-
新框架使用知识图谱实现具身AI的持久化场景记忆
研究人员开发了VL-KnG，一个新颖的框架，它从以自我为中心的视频构建时空知识图谱，作为具身问答的持久化场景记忆。该方法允许视觉语言模型在不为每次查询重新处理原始视频的情况下维护对象身份和空间关系，从而显著降低延迟。VL-KnG在OpenEQA和WalkieKnowledge等基准测试中展示了具有竞争力的准确性，在某些场景下优于现有的持久化表示基线和开放权重VLM，并已成功部署在实体机器人上。