实体
Porlezza
Porlezza
PulseAugur coverage of Porlezza — every cluster mentioning Porlezza across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
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 2 条
-
新的PORL方法结合了在线和离线强化学习用于车间调度
研究人员推出了一种新颖的车间调度问题（JSSP）方法PORL，该方法结合了在线强化学习预训练和离线微调。这种混合方法利用基于仿真的交互来探索通用的调度策略，然后使用历史生产数据来调整这些策略。PORL的一个关键特性是其基于KL散度的策略约束，它限制了微调过程中的偏差，以保持预训练策略的优势。评估表明，PORL在处理分布变化和低质量数据集时，始终优于独立的离线强化学习和其他通用调度基线。
-
Veritas++ 框架通过增强感知能力来改进 AI 生成图像的检测
研究人员推出 Veritas++，一个旨在改进 AI 生成图像 (AIGI) 检测的新框架。该系统专注于增强多模态大语言模型 (MLLMs) 的基础感知能力，而非仅仅优化其解释能力。Veritas++ 将检测建立在三种核心感知技能上：捕捉细粒度视觉细节、识别语义异常和识别像素级差异。该框架结合了面向感知的学习 (PoRL) 和价值感知策略内蒸馏 (VaOPD) 来加强这些能力，并将它们与推理相结合，在各种基准测试中展示了良好的泛化能力。