实体
S2
S2
PulseAugur coverage of S2 — every cluster mentioning S2 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
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 3 条
-
新框架标准化儿童语音数据集以用于机器学习基准测试
研究人员开发了一个框架，以应对使用长篇音频录音研究儿童语言发展所面临的挑战。该框架包括一个标准化的、以儿童为中心的27个数据集的集合，一个可复制的四个语音处理基准测试流程，以及ELSI——一个旨在将伦理治理整合到机器学习工作流程中的生态系统。这种方法旨在克服数据格式不统一、同意结构和隐私限制等问题，并通过语音类型分类案例研究证明其效用。
-
新的S2框架通过证据预算提升VLA模型泛化能力
研究人员开发了一个名为S2（See Less, Specify More，少看多说）的新框架，以增强视觉-语言-动作（VLA）模型的泛化能力。S2通过保留高级指令并用更具体的语言重新标注轨迹来优化执行器的训练。它还强制执行视觉证据预算，训练模型根据任务充分的视觉信息而非无约束的上下文来行动。这种方法显著提高了机器人在实际任务中的成功率，在TX-G2和HSR机器人上将平均子任务成功率从54.2%提高到79.0%。
-
新框架将熵最优传输与弯曲空间上的神经网络相结合
研究人员引入了Entropic Riemannian Neural Optimal Transport (Entropic RNOT)，一个新颖的框架，旨在处理涉及弯曲空间上数据的机器学习问题。该方法将内在熵最优传输与黎曼流形上的摊销样本外评估相结合。Entropic RNOT学习一个薛定谔势来构建内在传输代理，在各种流形上的基准测试和蛋白质-配体对接的实际应用中，表现优于现有基线。