Harvard University（哈佛大学）

Masked Visual Actions for Unified World Modeling

用于统一世界建模的掩码视觉动作

Hadi Alzayer, Wenlong Huang, Haonan Chen, Christopher Luey, Lvmin Zhang, Maneesh Agrawala, Gordon Wetzstein, Li Fei-Fei, Yilun Du, Jiajun Wu, Jia-Bin Huang

机构 * Stanford University（斯坦福大学） ； University of Maryland, College Park（马里兰大学帕克分校） ； Harvard University（哈佛大学） 纠错

AI总结 研究如何将动作传达给视频模型用于机器人世界建模，提出掩码视觉动作这一像素空间控制接口，经微调后单个检查点在多场景和实施例中表现出色，在下游操作中能辅助策略评估、改进决策和支持逆建模。

Comments Project webpage: https://masked-visual-actions.github.io

Conditioned Direct Feedback Alignment via Activity and Error Geometry

通过活动和误差几何实现条件直接反馈对齐

Houman Safaai, Varun Reddy, Bernardo L. Sabatini

机构 * Kempner Institute for the Study of Natural and Artificial Intelligence at Harvard University（哈佛大学坎普纳自然与人工智能研究所） ； Howard Hughes Medical Institute, Harvard Medical School（哈佛医学院霍华德·休斯医学研究所） 纠错

AI总结 研究直接反馈对齐（DFA）训练失败模式，通过分析各向异性进入局部权重更新的方式，提出条件DFA，经实验验证其在不同模型上有效，还介绍了归一化DFA家族及相关计算动机，强调是对局部外积规则失败的因子级研究。

Intelligence from Learnable Novelty

可学习新奇性中的智能

Yanbo Zhang, Michael Levin

机构 * Allen Discovery Center at Tufts University（塔夫茨大学艾伦发现中心） ； Wyss Institute for Biologically Inspired Engineering at Harvard University（哈佛大学威斯生物启发工程研究所） 纠错

AI总结 研究表明可学习新奇性产生智能不同投影，基于廉价可微储层计算机给出闭式估计器。此估计器无监督可恢复复杂度分类，作目标能推动神经细胞自动机发展，作奖励可提升强化学习智能体表现，让智能相关研究有了共同定量基础。

Comments 24 pages, 10 figures, 4 tables