本站已超过 12 小时没有更新（正常每 3 小时更新一次），下面的内容可能不是最新的。
本页没有符合条件的条目（筛选只在本页内进行）。
说明在线推理调参的离策略强化学习：CoRL 2026 RoboEval 挑战赛方案
简介本文介绍作者在 CoRL 2026 RoboEval 挑战赛中的方案，该赛事包含八项双臂任务，按任务各阶段的完成情况、安全性、效率与双臂协调性，并与人类示范对比评分。方案基于 π0.5 的离策略强化学习，策略兼作价值函数，并在每次采样中同时进行推理参数的汤普森采样。最终提交的策略在保留种子上达到 0.990 的 RDS，在官方种子上达到 0.987。
说明无配对表示的可识别对齐：在数据流形的拉回度量下对齐两个模型的表示空间
简介论文提出神经Gromov-Monge对齐方法（NGMA），在无配对数据、无标签的条件下对齐两个模型的表示。方法基于数据度量的拉回距离，在流形假设下对同一数据生成过程的任意两个模型都成立，并证明当数据分布打破数据流形的所有对称性时，对齐映射可识别。实验显示其在图像模型和单细胞模型上优于无配对及有标签的基线方法。
说明MOMENT-DP：面向差分隐私训练中相关噪声的动量感知评估框架
简介论文提出MOMENT-DP框架，用于评估差分隐私优化中时间相关噪声的效果。该框架把隐私噪声通过基于动量的优化过程的传播建模，同时考虑曲率、学习率调度、动量和噪声协方差。研究发现，仅改变动量而其他条件固定，就会导致不同隐私噪声机制的排名发生反转，这表明优化器状态是评估相关隐私噪声时需要考虑的重要因素。
说明面向智能体自回归视频生成的语义对齐KV缓存压缩
简介该论文提出SemanticKV，一种无需训练的KV缓存压缩方法，用于智能体自回归视频生成。它利用规划器提取的语义约束，通过文本交叉注意力定位相关视频位置，据此为缓存条目打分并保留高分部分。在Causal Forcing上，压缩比0.7时VBench总分为84.10，高于对比方法和完整KV缓存，速度提升1.22倍，KV缓存显存由6.04 GB降至1.81 GB。
说明在线策略蒸馏能容忍多大的训练与推理失配？
简介本文研究在线策略蒸馏（OPD）对训练与推理引擎之间失配的容忍程度。作者在统一尺度上衡量各类失配来源，主要考察三组学生-教师模型的量化效应，并在一组模型上测试权重滞后与注入噪声。结果显示，OPD能容忍较大失配而训练质量无明显损失，超过一定程度才会下降。基于此，作者提出轻量级准入检查方法，并报告了模型特定的FP8方案与异步滚动生成在训练效率上的提升。
说明学习约束编程中传播器的排序
简介论文提出用学习方法为约束编程求解器中的传播器确定实例相关的优先级，而不是依赖人工设计的固定启发式规则。方法将其建模为排序学习问题，用自注意力模型打分，并以求解时间导出的成对偏好训练。在 XCSP3 的 698 个较难实例上，相比 Choco 默认优先级，求解数量由 634 增至 654，中位求解时间减少 27.93%，PAR1 减少 12.65%。
说明SWHForest：面向大规模代码语料的结构化筛选与检索层
简介该论文提出 SWHForest，一个开源框架及公开数据集，用于在不重新分发源代码的前提下，为仅提供文件指针的代码语料库提供结构化筛选层。系统对存档文件做一次扫描，将每个文件解析为 AST 并只保留结构摘要，之后可在本地或服务端据此先筛选再下载候选文件。在 Stack-Edu 的十大语言（52.1M 个唯一文件、341M 个定义）上，查询在毫秒级完成，下载量减少 46%至72%。
说明如何「训练」外科医生？通用智能体在手术场景理解中的基准测试
简介本文针对通用多模态大模型在手术场景理解中的评测难题，提出两阶段评测框架。第一阶段构建了诊断基准SurgKnowBench，整合公开手术数据集，评估各类模型的能力边界，发现模型在关系理解、流程理解和工作流评估上仍较弱。第二阶段提出智能体环境SurgAgentGym，让通用智能体在推理时调用手术知识库和视觉定位工具，无需额外手术训练；结果显示该方法主要改善感知类任务，细粒度定位和专家式评估仍是主要瓶颈。