arXivDaily arXiv每日学术速递 周一至周五更新

高校专区

University of California, Berkeley(加州大学伯克利分校)

共收录 1892
2602.03546 2026-02-17 cs.LG cond-mat.dis-nn cond-mat.mes-hall cond-mat.soft cs.ET

How to Train Your Resistive Network: Generalized Equilibrium Propagation and Analytical Learning

如何训练你的电阻网络:通用平衡传播与解析学习

Jonathan Lin, Aman Desai, Frank Barrows, Francesco Caravelli

机构 * Ming Hsieh Department of Electrical and Computer Engineering, University of Southern California, Los Angeles, CA, USA(明希德电气与计算机工程系,南加州大学,洛杉矶,加利福尼亚州,美国) Center for Nonlinear Studies, Los Alamos National Laboratory, Los Alamos, New Mexico 87545, USA(非线性研究中心,洛斯阿拉莫斯国家实验室,洛斯阿拉莫斯,新墨西哥州,美国) Theoretical Division (T4), Los Alamos National Laboratory, Los Alamos, New Mexico 87545, USA(理论部(T4),洛斯阿拉莫斯国家实验室,洛斯阿拉莫斯,新墨西哥州,美国) CAI-3, Los Alamos National Laboratory, Los Alamos, New Mexico 87545, USA(CAI-3,洛斯阿拉莫斯国家实验室,洛斯阿拉莫斯,新墨西哥州,美国) University of California, Berkeley, Berkeley, CA, 94720, USA(加州大学伯克利分校,伯克利,加利福尼亚州,美国) Department of Physics, University of Pisa, Largo Bruno Pontecorvo 3, 56127 Pisa, Italy(物理学系,比萨大学,布鲁诺·蓬泰科罗夫大道3号,比萨,意大利)

AI总结 本文提出了一种基于图论和解析框架的算法,用于精确计算电阻网络的梯度,实现高效训练,无需复制或读出,且能局部更新电阻值以提升性能。

Comments 8 pages double column; plus 16 supp mat.;

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.01848 2026-02-17 cs.AI cs.MA

ROMA: Recursive Open Meta-Agent Framework for Long-Horizon Multi-Agent Systems

ROMA:递归开放元代理框架用于长周期多代理系统

Salaheddin Alzu'bi, Baran Nama, Arda Kaz, Anushri Eswaran, Weiyuan Chen, Sarvesh Khetan, Rishab Bala, Tu Vu, Sewoong Oh

机构 * Sentient Virginia Tech(弗吉尼亚理工大学) UC Berkeley(加州大学伯克利分校) UC San Diego(加州大学圣地亚哥分校) University of Maryland(马里兰大学)

AI总结 ROMA通过递归任务分解和结构化聚合,实现长周期多代理系统的高效推理和生成性能。

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.12402 2026-02-16 cs.LG cs.AI

AstRL: Analog and Mixed-Signal Circuit Synthesis with Deep Reinforcement Learning

AstRL: 用深度强化学习进行模拟和混合信号电路综合

Felicia B. Guo, Ken T. Ho, Andrei Vladimirescu, Borivoje Nikolic

机构 * Department of Electrical Engineering and Computer Sciences University of California Berkeley(电子工程与计算机科学系加州大学伯克利分校)

AI总结 AstRL通过深度强化学习实现模拟和混合信号电路的高效综合,首次在模拟中验证了专家对齐的通用电路生成方法,显著提升了设计效率和准确性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.12368 2026-02-16 cs.LG hep-th math.AP math.DG

A Machine Learning Approach to the Nirenberg Problem

针对Nirenberg问题的机器学习方法

Gianfranco Cortés, Maria Esteban-Casadevall, Yueqing Feng, Jonas Henkel, Edward Hirst, Tancredi Schettini Gherardini, Alexander G. Stapleton

机构 * University of Florida, USA(佛罗里达大学) University of Amsterdam, Amsterdam, Netherlands(阿姆斯特丹大学) University of California, Berkeley, USA(加州大学伯克利分校) Philipps-Universität Marburg, Marburg, Germany(马尔堡哲学大学) Universidade Estadual de Campinas (Unicamp), Campinas, Brazil(坎皮纳斯州立大学) Mathematisches Institut (MI), University of Bonn, Bonn, Germany(波恩大学数学研究所) Max Planck Institute for Mathematics, Bonn, Germany(马克斯·普朗克数学研究所) Centre for Theoretical Physics, Queen Mary University of London, London, UK(伦敦大学玛丽女王学院理论物理中心)

AI总结 本文提出Nirenberg神经网络,通过机器学习方法解决高斯曲率指定问题,实现低损失训练并区分可实现与不可实现曲率。

Comments 38 pages, 14 pages, 7 tables

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.08440 2026-02-16 cs.RO

SteerVLA: Steering Vision-Language-Action Models in Long-Tail Driving Scenarios

SteerVLA:在长尾驾驶场景中引导视觉-语言-动作模型

Tian Gao, Celine Tan, Catherine Glossop, Timothy Gao, Jiankai Sun, Kyle Stachowicz, Shirley Wu, Oier Mees, Dorsa Sadigh, Sergey Levine, Chelsea Finn

机构 * Stanford University(斯坦福大学) University of California, Berkeley(加州大学伯克利分校) Microsoft(微软公司)

AI总结 SteerVLA通过结合视觉-语言模型的推理能力,生成细粒度语言指令以提升驾驶策略的稳健性和长尾场景下的性能。

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.05096 2026-02-16 cs.CV cs.LG

Visual concept ranking uncovers medical shortcuts used by large multimodal models

视觉概念排名揭示大型多模态模型使用的医学捷径

Joseph D. Janizek, Sonnet Xu, Junayd Lateef, Roxana Daneshjou

机构 * Stanford University(斯坦福大学) University of California Berkeley(加州大学伯克利分校)

AI总结 本文提出视觉概念排名方法,用于揭示大型多模态模型在医疗任务中表现的潜在视觉特征依赖性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2507.21372 2026-02-16 cs.NI cs.LG

Load Balancing for AI Training Workloads

AI训练工作负载的负载均衡

Sarah McClure, Evyatar Cohen, Alex Shpiner, Mark Silberstein, Sylvia Ratnasamy, Scott Shenker, Isaac Keslassy

机构 * UC Berkeley(伯克利大学) Technion(技术学院) NVIDIA(英伟达) ICSI(计算机科学研究所)

AI总结 本文提出基于数据包喷射的负载均衡方法,通过分析不同实现方式,发现其在链路故障场景下表现更优,并引入了基于交换机的DR实现Ofan,提升了性能。

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.12180 2026-02-13 cs.LG cs.GT

How Sampling Shapes LLM Alignment: From One-Shot Optima to Iterative Dynamics

采样如何塑造大语言模型对齐:从单次最优到迭代动态

Yurong Chen, Yu He, Michael I. Jordan, Fan Yao

机构 * Inria(法国国家信息与自动化研究所) École Normale Supérieure(巴黎高等师范学校) PSL Research University(巴黎综合理工研究所) Northwestern University(西北大学) University of California, Berkeley(加州大学伯克利分校) University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校)

AI总结 研究探讨了采样对大语言模型对齐的影响,发现适当采样可提升排序保证,而偏向采样可能导致集中问题,并分析了迭代动态中的稳定性问题。

详情

展开后加载摘要…

URL PDF HTML 收藏
2505.13732 2026-02-13 stat.ML cs.LG

Backward Conformal Prediction

反向符合预测

Etienne Gauthier, Francis Bach, Michael I. Jordan

机构 * INRIA-ENS-PSL Paris(法国国家信息与自动化研究所-巴黎综合理工学院-巴黎理工学院) UC Berkeley(加州大学伯克利分校)

AI总结 反向符合预测通过约束预测集大小行为并调整覆盖率水平,提供灵活的可计算覆盖率保证,适用于医疗诊断等大预测集不现实的应用场景。

Comments Code available at: https://github.com/GauthierE/backward-cp

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.11167 2026-02-13 cs.CL cs.AI

Visualizing and Benchmarking LLM Factual Hallucination Tendencies via Internal State Analysis and Clustering

通过内部状态分析和聚类可视化和评估大语言模型事实性幻觉倾向

Nathan Mao, Varun Kaushik, Shreya Shivkumar, Parham Sharafoleslami, Kevin Zhu, Sunishchal Dev

机构 * The Harker School(哈克尔学校) Monta Vista High School(蒙塔维斯高中) University of California Berkeley(加州大学伯克利分校) Algoverse AI Research(Algoverse AI研究)

AI总结 通过FalseCite数据集评估大语言模型在误导性引用下的事实性幻觉倾向,并利用内部状态分析和聚类揭示隐藏状态的特征。

Journal ref Proceedings of IJCNLP-AACL SRW 2025, pp. 289-298

详情

展开后加载摘要…

URL PDF HTML 收藏
2411.13779 2026-02-13 cs.CL cs.AI cs.LG

NewsInterview: a Dataset and a Playground to Evaluate LLMs' Ground Gap via Informational Interviews

NewsInterview: 一个用于通过信息性访谈评估LLM地面间隙的数据集和游乐场

Alexander Spangher, Michael Lu, Sriya Jeslyn Kalyan, Hyundong Justin Cho, Weiyan Shi, Jonathan May

机构 * University of California, Berkeley(加州大学伯克利分校) University of Southern California(南加州大学) Information Sciences Institute(信息科学研究所) Northeastern University(东北大学)

AI总结 NewsInterview通过信息性访谈数据集和模拟环境,揭示LLMs在战略对话和多轮规划方面的能力不足,强调需提升其对话策略与说服力。

Comments Accepted at ACL 2025: https://aclanthology.org/2025.acl-long.1580/

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.11150 2026-02-12 cs.RO cs.LG

YOR: Your Own Mobile Manipulator for Generalizable Robotics

YOR:您自己的通用机器人移动机械臂

Manan H Anjaria, Mehmet Enes Erciyes, Vedant Ghatnekar, Neha Navarkar, Haritheja Etukuru, Xiaole Jiang, Kanad Patel, Dhawal Kabra, Nicholas Wojno, Radhika Ajay Prayage, Soumith Chintala, Lerrel Pinto, Nur Muhammad Mahi Shafiullah, Zichen Jeff Cui

机构 * New York University(纽约大学) University of California, Berkeley(加州大学伯克利分校) City University of New York(纽约城市大学)

AI总结 YOR是一款低成本、模块化的移动机械臂,通过集成 omnidirectional 基底、可伸缩垂直提升装置和双臂夹具,实现全身移动和操作,为移动操作研究提供经济高效的解决方案。

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.10613 2026-02-12 stat.ML cs.LG

Highly Adaptive Principal Component Regression

高适应性主成分回归

Mingxun Wang, Alejandro Schuler, Mark van der Laan, Carlos García Meixide

机构 * University of California, Berkeley(加州大学伯克利分校) ICMAT, National Research Council of Spain(西班牙国家研究 council 的 ICMAT)

AI总结 本文提出基于主成分的高适应性Lasso和Ridge方法,通过维度缩减提升计算效率并匹配HAL和HAR的性能,揭示主成分与正弦基的谱联系。

详情

展开后加载摘要…

URL PDF HTML 收藏
2503.01882 2026-02-12 cs.LG physics.geo-ph stat.AP stat.ML

Constructing balanced datasets for predicting failure modes in structural systems under seismic hazards

构建用于预测地震危害下结构系统故障模式的平衡数据集

Jungho Kim, Taeyong Kim

机构 * Department of Civil and Environmental Engineering, University of California, Berkeley, United States(加州大学伯克利分校土木与环境工程系) Department of Civil Systems Engineering, Ajou University, Suwon, Republic of Korea(全州大学土木系统工程系)

AI总结 本文提出构建平衡数据集的框架,通过识别关键地面运动特征和自适应算法,提升地震失效模式预测的机器学习性能。

Journal ref Engineering Structures, Vol(346), 121637, 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2504.03560 2026-02-11 math.OC cs.LG math.ST stat.ML stat.TH

Stochastic Optimization with Optimal Importance Sampling

具有最优重要性采样的随机优化

Liviu Aolaritei, Bart P. G. Van Parys, Henry Lam, Michael I. Jordan

机构 * University of California, Berkeley(加州大学伯克利分校) CWI(荷兰信息与计算科学研究所) Columbia University(哥伦比亚大学) Inria(法国国家信息与自动化技术研究院)

AI总结 本文提出了一种单循环随机逼近算法,用于解决随机优化中决策变量与重要性采样分布相互依赖的问题,实现了全局收敛和最小渐近方差。

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.09411 2026-02-11 cs.CV

K-Sort Eval: Efficient Preference Evaluation for Visual Generation via Corrected VLM-as-a-Judge

K-Sort Eval: 通过校正VLM作为评判者实现视觉生成的高效偏好评估

Zhikai Li, Jiatong Li, Xuewen Liu, Wangbo Zhao, Pan Du, Kaicheng Zhou, Qingyi Gu, Yang You, Zhen Dong, Kurt Keutzer

机构 * Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所) University of California, Berkeley(加州大学伯克利分校) University of California, Santa Barbara(加州大学圣巴巴拉分校) National University of Singapore(新加坡国立大学) Nanyang Technological University(南洋理工大学)

AI总结 K-Sort Eval通过后验校正和动态匹配策略,实现高效可靠的视觉生成模型偏好评估。

Comments ICLR 2026. Code is available at: https://github.com/zkkli/K-Sort-Eval

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.09163 2026-02-11 cs.AI cs.CL cs.IR

FlyAOC: Evaluating Agentic Ontology Curation of Drosophila Scientific Knowledge Bases

FlyAOC:评估代理本体编纂的果蝇科学知识库

Xingjian Zhang, Sophia Moylan, Ziyang Xiong, Qiaozhu Mei, Yichen Luo, Jiaqi W. Ma

机构 * University of Michigan(密歇根大学) University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校) University of California, Berkeley(加州大学伯克利分校) University of Washington(华盛顿大学)

AI总结 FlyAOC通过FlyBench评估AI代理在从科学文献中进行端到端本体编纂的能力,发现多代理设计性能更优,但模型规模扩大效益递减。

详情

展开后加载摘要…

URL PDF HTML 收藏
2503.20127 2026-02-11 cs.RO cs.NI

TURBO: Utility-Aware Bandwidth Allocation for Cloud-Augmented Autonomous Control

TURBO:面向云增强自主控制的效用感知带宽分配

Peter Schafhalter, Alexander Krentsel, Hongbo Wei, Joseph E. Gonzalez, Sylvia Ratnasamy, Scott Shenker, Ion Stoica

机构 * University of California, Berkeley(加州大学伯克利分校)

AI总结 TURBO通过联合优化汽车和云的带宽分配与控制管道配置,提升自动驾驶系统的精度和安全性。

Comments 34 pages, 13 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2406.16821 2026-02-11 cs.LG cs.AI physics.bio-ph physics.chem-ph q-bio.BM

General Binding Affinity Guidance for Diffusion Models in Structure-Based Drug Design

基于结构的药物设计中扩散模型的通用结合亲和力指导

Yue Jian, Curtis Wu, Danny Reidenbach, Aditi S. Krishnapriyan

机构 * University of California, Berkeley(加州大学伯克利分校) NVIDIA(NVIDIA公司)

AI总结 BADGER是一种用于基于结构的药物设计中扩散模型的通用结合亲和力指导框架,通过两种互补策略提升配体生成的结合亲和力控制,并支持多约束优化设计真实可合成的药物候选物。

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.09017 2026-02-10 cs.RO cs.LG

Contact-Anchored Policies: Contact Conditioning Creates Strong Robot Utility Models

接触锚定策略:接触条件创造强大的机器人效用模型

Zichen Jeff Cui, Omar Rayyan, Haritheja Etukuru, Bowen Tan, Zavier Andrianarivo, Zicheng Teng, Yihang Zhou, Krish Mehta, Nicholas Wojno, Kevin Yuanbo Wu, Manan H Anjaria, Ziyuan Wu, Manrong Mao, Guangxun Zhang, Binit Shah, Yejin Kim, Soumith Chintala, Lerrel Pinto, Nur Muhammad Mahi Shafiullah

机构 * New York University(纽约大学) University of California, Berkeley(加州大学伯克利分校) University of California, Los Angeles(加州大学洛杉矶分校) Hello Robot Inc.(Hello Robot公司) Ai2 University of Waterloo(滑铁卢大学)

AI总结 接触锚定策略通过接触条件实现强大的机器人效用模型,仅用23小时演示数据即在三种基本操作技能上实现跨环境泛化,并在零样本评估中超越现有最先进方法56%。

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.08234 2026-02-10 cs.LG

SkillRL: Evolving Agents via Recursive Skill-Augmented Reinforcement Learning

SkillRL: 通过递归技能增强强化学习进化智能体

Peng Xia, Jianwen Chen, Hanyang Wang, Jiaqi Liu, Kaide Zeng, Yu Wang, Siwei Han, Yiyang Zhou, Xujiang Zhao, Haifeng Chen, Zeyu Zheng, Cihang Xie, Huaxiu Yao

机构 * University of Chicago(芝加哥大学) University of California San Diego(加州大学圣地亚哥分校) NEC Labs America(NEC美国实验室) University of California Berkeley(加州大学伯克利分校) University of California Santa Cruz(加州大学圣克鲁兹分校)

AI总结 SkillRL通过递归技能增强强化学习,有效提升智能体在复杂任务中的表现与泛化能力。

详情

展开后加载摘要…

URL PDF HTML 收藏
2512.23671 2026-02-10 stat.ML cs.LG math.OC stat.ME

Calibrated Multi-Level Quantile Forecasting

校准的多级分位数预测

Tiffany Ding, Isaac Gibbs, Ryan J. Tibshirani

机构 * University of California, Berkeley(加州大学伯克利分校)

AI总结 MultiQT通过校准多级分位数预测,提升预测校准性而不影响分位数损失。

详情

展开后加载摘要…

URL PDF HTML 收藏
2512.16909 2026-02-10 cs.CV cs.RO

MomaGraph: State-Aware Unified Scene Graphs with Vision-Language Model for Embodied Task Planning

MomaGraph: 体感任务规划中的状态感知统一场景图

Yuanchen Ju, Yongyuan Liang, Yen-Jen Wang, Nandiraju Gireesh, Yuanliang Ju, Seungjae Lee, Qiao Gu, Elvis Hsieh, Furong Huang, Koushil Sreenath

机构 * University of California, Berkeley(加州大学伯克利分校) University of Maryland, College Park(马里兰大学学院公园分校) University of Toronto(多伦多大学)

AI总结 MomaGraph通过统一场景图与强化学习模型,实现家庭环境中体感任务规划的高效任务规划与场景理解。

Comments 25 pages, 10 figures. Project page:https://hybridrobotics.github.io/MomaGraph/

详情

展开后加载摘要…

URL PDF HTML 收藏
2512.00008 2026-02-10 cs.CV cs.AI cs.HC

MOTION: ML-Assisted On-Device Low-Latency Motion Recognition

MOTION: 基于机器学习的设备端低延迟动作识别

Veeramani Pugazhenthi, Wei-Hsiang Chu, Junwei Lu, Jadyn N. Miyahira, Mahdi Eslamimehr, Pratik Satam, Rozhin Yasaei, Soheil Salehi

机构 * Department of Electrical and Computer Engineering, University of Arizona(电子与计算机工程系,亚利桑那大学) Department of Computing and Data Science, University of California, Berkeley(计算与数据科学系,加州大学伯克利分校) Quandary Peak Research(Quandary Peak研究公司) Department of Systems and Industrial Engineering, University of Arizona(系统与工业工程系,亚利桑那大学) College of Information Sciences, University of Arizona(信息科学学院,亚利桑那大学)

AI总结 本研究提出一种基于三轴加速度计传感器的高效设备端动作识别方法,利用神经网络在WeBe Band上实现低延迟、高准确率的实时手势识别,适用于医疗监测领域。

详情

展开后加载摘要…

URL PDF HTML 收藏
2508.20033 2026-02-10 cs.CL cs.AI

DeepScholar-Bench: A Live Benchmark and Automated Evaluation for Generative Research Synthesis

DeepScholar-Bench: 一个实时基准和自动化评估用于生成性研究综合

Liana Patel, Negar Arabzadeh, Harshit Gupta, Ankita Sundar, Ion Stoica, Matei Zaharia, Carlos Guestrin

机构 * Stanford University(斯坦福大学) UC Berkeley(加州大学伯克利分校)

AI总结 DeepScholar-Bench通过实时基准和自动化评估框架,评估生成性研究综合任务,发现现有系统在综合知识、检索质量和可验证性上均未达到31%的几何均值。

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.04780 2026-02-10 cs.LG cond-mat.dis-nn

Dynamical Regimes of Multimodal Diffusion Models

多模态扩散模型的动力学区域

Emil Albrychiewicz, Andrés Franco Valiente, Li-Ching Chen

机构 * Leinweber Institute for Theoretical Physics(莱因韦伯理论物理研究所) Department of Physics, University of California, Berkeley, CA, 94720-7300, USA(加州大学伯克利分校物理系) Theoretical Physics Group, Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室理论物理组) Department of Radiation Oncology, University of California, San Francisco(加州大学旧金山分校放射肿瘤科) Computational Precision Health, University of California San Francisco(加州大学旧金山分校计算精准健康)

AI总结 多模态扩散模型通过耦合动态机制,揭示生成过程中的时间层次结构及同步间隙现象,为生成模型的稳定性提供理论框架。

Comments 40 pages, 14 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.04019 2026-02-10 cs.LG cs.AI

Understanding and Guiding Layer Placement in Parameter-Efficient Fine-Tuning of Large Language Models

理解并指导大语言模型参数高效微调中的层放置

Yichen Xu, Yuyang Liang, Shan Dai, Tianyang Hu, Tsz Nam Chan, Chenhao Ma

机构 * University of California, Berkeley(加州大学伯克利分校) The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳)) Shenzhen University(深圳大学)

AI总结 本文提出Layer Card工具,通过分析层的残差信号强度、计算成本和性能,指导大语言模型参数高效微调中的层选择,以实现性能与成本的平衡。

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.04510 2026-02-10 cs.CE cs.AI cs.CV cs.LG cs.NA math.NA

Towards Spatio-Temporal Extrapolation of Phase-Field Simulations with Convolution-Only Neural Networks

基于卷积神经网络的相场模拟时空外推方法

Christophe Bonneville, Nathan Bieberdorf, Pieterjan Robbe, Mark Asta, Habib Najm, Laurent Capolungo, Cosmin Safta

机构 * Sandia National Laboratories(桑迪亚国家实验室) Lawrence Berkeley National Laboratory(伯克利劳伦斯国家实验室) University of California, Berkeley(加州大学伯克利分校) Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室)

AI总结 本文提出基于卷积神经网络的相场模拟时空外推方法,通过条件参数化U-Net和扩散模型实现高精度模拟与加速计算。

详情

展开后加载摘要…

URL PDF HTML 收藏
2406.19958 2026-02-10 stat.ML cs.LG math.ST stat.TH

On the Computational Efficiency of Bayesian Additive Regression Trees: An Asymptotic Analysis

关于贝叶斯加法回归树计算效率的分析:渐近分析

Yan Shuo Tan, Omer Ronen, Theo Saarinen, Bin Yu

机构 * Department of Statistics and Data Science, National University of Singapore(统计与数据科学系,新加坡国立大学) Department of Statistics, UC Berkeley(统计系,加州大学伯克利分校) Department of Electrical Engineering and Computer Sciences, UC Berkeley(电气工程与计算机科学系,加州大学伯克利分校) Center for Computational Biology, UC Berkeley(计算生物学中心,加州大学伯克利分校)

AI总结 本文分析了BART采样器在大规模数据下的计算效率,发现其收敛时间随样本量增加而增加,但通过增加树数量或提高温度可有效缓解这一问题。

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.06949 2026-02-09 cs.RO cs.AI cs.CV cs.LG

DreamDojo: A Generalist Robot World Model from Large-Scale Human Videos

DreamDojo:从大规模人类视频中学习通用机器人世界模型

Shenyuan Gao, William Liang, Kaiyuan Zheng, Ayaan Malik, Seonghyeon Ye, Sihyun Yu, Wei-Cheng Tseng, Yuzhu Dong, Kaichun Mo, Chen-Hsuan Lin, Qianli Ma, Seungjun Nah, Loic Magne, Jiannan Xiang, Yuqi Xie, Ruijie Zheng, Dantong Niu, You Liang Tan, K. R. Zentner, George Kurian, Suneel Indupuru, Pooya Jannaty, Jinwei Gu, Jun Zhang, Jitendra Malik, Pieter Abbeel, Ming-Yu Liu, Yuke Zhu, Joel Jang, Linxi "Jim" Fan

机构 * NVIDIA HKUST(香港科技大学) UC Berkeley(加州大学伯克利分校) Stanford(斯坦福大学) KAIST(韩国科学技术院) UofT(多伦多大学) UCSD(加州大学圣地亚哥分校) UT Austin(德克萨斯大学奥斯汀分校)

AI总结 DreamDojo通过大规模人类视频学习通用机器人世界模型,解决动作标签稀缺问题,实现高精度物理理解和实时交互。

Comments Project page: https://dreamdojo-world.github.io/

详情

展开后加载摘要…

URL PDF HTML 收藏