Shanghai Jiao Tong University（上海交通大学）

DenseReward: Dense Reward Learning via Failure Synthesis for Robotic Manipulation

DenseReward：通过失败合成进行密集奖励学习以实现机器人操作

Yu Fang, Wanxi Dong, Jiaqi Liu, Yue Yang, Mingxiao Huo, Yao Mu, Huaxiu Yao, Li Erran Li, Daniel Szafir, Mingyu Ding

机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Carnegie Mellon University（卡内基梅隆大学） ； Shanghai Jiao Tong University（上海交通大学） ； Amazon AWS AI（亚马逊AWS人工智能） 纠错

AI总结 研究针对强化学习中缺乏可靠奖励模型的问题，提出DenseReward模型，通过自动生成失败数据合成逼真轨迹，从视觉和语言预测密集奖励分数，在模拟和现实操作中表现优异，还为下游任务提供指导并发布相关资源。

Comments Website: https://dense-reward.github.io/

CARE-LoRA: Compressed Activation REconstruction for Memory-Efficient LoRA

CARE-LoRA：用于内存高效LoRA的压缩激活重建

Gengyu Zhang, Haiyin Ran, Zhengbao He, Yuhang Liu, Hanling Tian, Zhehao Huang, Xiaolin Huang

机构 * Institute of Image Processing and Pattern Recognition, Shanghai Jiao Tong University（上海交通大学图像处理与模式识别研究所） 纠错

AI总结 研究在有限内存下微调大型预训练模型的问题，提出CARE-LoRA框架，利用LoRA投影结构，用低秩压缩激活取代完整输入激活，并计算重建矩阵，大幅减少内存占用，性能与标准LoRA及变体相当甚至更优。

Comments 15 pages, 2 figures, 12 tables. Code available at https://github.com/fishandyu/CARE-LoRA