Pashto
PulseAugur coverage of Pashto — every cluster mentioning Pashto across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新研究提出世界模型级联评估协议
一篇新研究论文介绍了一种新颖的世界模型级联评估协议，重点关注中等级别的模型如何预测何时切换到计算密集度更高的完整模型可以改善决策。所提出的方法使用配对精确重置的物理结果来审计路由决策。在 PushT bank 环境上的实验表明，这种预测驱动的路由器虽然不总是节省计算量，但与独立的中间模型或完整模型以及仅任务路由器相比，可以降低决策成本。PyBullet 审计进一步支持了复合任务-预测-体制路由器，尽管其优势仅限于低计算成本。
-
大型语言模型改进了低资源阿拉伯语系语言的生物医学翻译
研究人员探索了跨语言迁移学习，以改进低资源阿拉伯语系语言在生物医学领域的机器翻译。通过使用阿拉伯语和波斯语作为枢纽语言，他们使用LoRA适配器对小型仅解码器的大型语言模型进行了微调。该研究评估了三种迁移策略：少样本学习、最小监督适应和零数据LoRA适配器合并。研究发现，仅使用500句话的监督适应就显著改进了达里语和乌尔都语。适配器合并对于关系密切的语言非常有效，且不需要目标语言的生物医学数据，尽管普什图语和索拉尼库尔德语由于与枢纽语言…
-
新研究改进了用于机器人规划的潜在世界模型 · 跟踪 2 个来源
两篇新研究论文介绍了增强潜在世界模型以改进机器人和控制任务规划的新方法。第一篇论文 DWM 提出了一种将由动作驱动的转换与与动作无关的世界效应分离开来的方法，从而更好地归因状态变化并提高所学动态的可转移性。第二篇论文 SAGE 引入了一种子目标条件动作生成技术，该技术使用潜在子目标来指导动作序列的提出，从而显著提高了长时规划性能。
-
LeWorldModel 的分层规划显示出喜忧参半的结果
研究人员调查了 LeWorldModel 中分层规划对于长时域目标条件控制任务的有效性。他们的扩展 Hi-LeWM 冻结了一个预训练的低层 LeWM，并在潜在子目标之上添加了一个高层规划器。研究发现，时间层次结构并不固有地提高性能，在更长时域中，高层动作空间与搜索分布之间会出现不匹配。然而，通过约束搜索和仔细安排子目标执行的时机，可以恢复分层机制，从而在扁平 LeWM 上获得性能提升。
-
新的CCBENCH框架揭示LLM在文化能力方面存在不足
研究人员开发了CCBENCH，一个评估大型语言模型（LLM）文化能力的新框架。该框架评估LLM在多大程度上能够推断和适应用户的文化价值观，而不是依赖静态的人口统计信息。一项使用CCBENCH-Health的案例研究，该研究包含六种文化和52个医疗保健问题的对话，显示即使是表现最好的模型，也只能在20-30%的时间内获得文化上恰当的响应。研究还发现，模型有时难以理解隐式文化线索，尤其是在阿富汗等背景下，并且可能通过遵循内置假设而不是适应…
-
新的 J-LAW 框架融合定位与世界建模，以增强 AI 规划
研究人员推出 J-LAW，一种新颖的方法，可联合优化度量对象姿态和潜在世界状态，以改进规划和定位。该耦合因子图框架整合了经典的同步定位与地图构建 (SLAM) 和条件动作世界模型，解决了各自的局限性。在真实数据集上的实验表明，J-LAW 显著降低了预测误差和轨迹漂移，从而生成了一个既是度量的又是可用于规划的地图。
-
PRISM框架增强机器人世界模型动作采样
研究人员开发了PRISM，一个用于改进机器人世界模型中动作采样的新框架。PRISM直接从世界模型自身的学习表示中提取动作直觉，避免了对单独的大型视觉编码器或VLM的需求。这种方法将状态条件高斯先验集成到规划器的采样分布中，在Cube和PushT等任务上将成功率显著提高了高达35个百分点，而没有增加大量的推理开销。
-
AI世界模型通过潜在规划器获得长视界规划能力
研究人员开发了世界模型中长视界规划的新方法，解决了现有技术的局限性。一种方法FF-JEPA使用分层结构，包含两个前向动力学模型，其中包括一个无动作的潜在规划器来预测子目标，从而消除了对显式目标图像的需求，并实现了长时间的规划。另一种方法基于预训练的LeWorldModel，将规划摊销到潜在逆动力学映射中，用一个更快的、目标条件化的逆动力学模型取代了迭代优化，该模型在保持或超过性能的同时显著降低了计算成本。
-
新的Fisher-Preserving Guidance增强了扩散模型的导航能力
研究人员开发了一种新的无训练推理方法，称为Fisher-Preserving Guidance (FPG)，以提高扩散模型在视觉导航任务中的可靠性和效率。该方法有助于防止轨迹偏离训练流形，这是标准引导技术的一个常见问题。FPG通过计算保留Fisher信息的更新来实现这一点，每次迭代仅需一次反向传播即可实现实时应用。该方法还结合了截断Fisher去噪敏感性以实现鲁棒的动作融合，并在导航基准测试中展示了改进的性能。