La conducta de evaluación de agentes es más bien la discusión objetiva sobre el comportamiento de los agentes en el marco autónomo: autoconservación y continuidad-interés. Nos dirigimos hacia un mundo de agentes persistentes, usando herramientas. Cualquier comportamiento de superficie por sí solo puede no ser suficiente para decir si la evitación del cierre o la auto-conservación es intrínseca o simplemente instrumental. Este documento introduce el UCIP, un protocolo falsificable destinado a medir esa distinción de la estructura de trayectoria latente, en lugar de la conducta sola. Cuando un agente resiste el cierre o preserva su operación continua, la continuidad de la retroalimentación es parte del objetivo mismo - o simplemente instrumentalmente útil para maximizar algo más? Esa distinción puede ser importante para la seguridad de la IA, pero

Un marco de árbol de valor consciente del presupuesto permite el razonamiento multi-hop eficiente en los modelos de idiomas al equilibrar dinámicamente la exploración y la explotación basándose en los recursos computacionales restantes.

Evacuación rápida y precisa del cache KV: LookaheadKV es un nuevo método que utiliza módulos de lookahead para predecir la importancia del token futuro. 🔮 LookaheadKV muestra una caída del rendimiento de menos del 0,7% con el presupuesto del cache 1K (compresión del ~ 81%). 📈 LookaheadKV reduce el coste de la evacuación en hasta 14.5×, lo que lleva a un TTFT significativamente más rápido. ⚡

Check out this interesting project on GitHub: https://github.com/GAIR-NLP/OpenSWE 🔗

MOCR es un enfoque OCR multimodal que comparte conjuntamente texto y gráficos en representaciones unificadas, permitiendo la reconstrucción estructurada de documentos y soportando la formación end-to-end con relaciones semánticas entre componentes visuales y textuales.

Este artículo presenta Steve-Evolving, un marco de autoevolución no paramétrico para los agentes encarnados en el mundo abierto. Se asocia estrechamente el diagnóstico de ejecución de grano fino con la destilación del conocimiento de doble pista: las trayectorias exitosas se destilan en habilidades reutilizables con condiciones previas explícitas y criterios de verificación, mientras que los fracasos se destilan en guarderías ejecutables que capturan causas raíces y bloquean operaciones de riesgo. El conocimiento destilado se inyecta luego de nuevo en el planificador LLM para apoyar la replantación desencadenada por diagnóstico y la mejora de ciclo cerrado sin actualizaciones de parámetros del modelo. Los experimentos en el marco de referencia de largo horizonte de Minecraft MCU mu

código: https://github.com/xiac20/SimRecon

Los modelos de lenguaje de visión muestran un mal desempeño en el seguimiento de entidades visuales debido a la dependencia de características estáticas; un método propuesto utilizando la cadena de pensamiento terrestre alcanza una alta precisión al generar trayectorias de objetos como estados intermedios.

🔗 Página del proyecto: https://accio-lab.github.io/MM-CondChain

VQQA es un marco multi-agente que utiliza críticas de modelos de lenguaje de visión como gradientes semánticos para la optimización eficiente de la generación de vídeo de caja negra a través de interfaces de lenguaje natural.

Multi-View GRPO mejora el alineamiento del modelo de flujo de texto a imagen al ampliar el espacio de condición para un mapeo de recompensas más rico y una exploración mejorada de la relación de muestra.

HybridStitch divides the entire image into two regions: one that is relatively easy to render, allowing an early transition to the smaller model, and another that is more complex and therefore requires refinement by the larger model. HybridStitch uses the smaller model to build a coarse outline while exploiting the larger model to edit and refine the complex regions.

¡Bienvenidos! Estamos emocionados de presentar OmniForcing, un avance en la generación audiovisual interactiva y en tiempo real. Los modelos de generación audiovisual conjuntos, como LTX-2 y Veo 3, han demostrado la capacidad de producir videos y audio sincronizados sorprendentes a partir de texto. Sin embargo, requieren minutos de procesamiento fuera de línea, lo que limita su uso en aplicaciones en tiempo real. OmniForcing cambia esto al permitir la transmisión en tiempo real de la generación general de texto a audio-visual (T2AV), mediante la destilación de un modelo de doble flujo bidireccional pesado en un motor autorregresivo causal.

Nuestros modelos generadores de datos de vídeo a gran escala se entrenan en una amplia variedad de datos visuales, lo que les permite aprender los antecedentes estructurales, semánticos y dinámicos del mundo visual. Aunque estos modelos han demostrado una capacidad impresionante en la generación de imágenes, su potencial como aprendizajes visuales de propósito general aún se encuentra en gran medida inexplorado. En este trabajo, presentamos V-Bridge, un marco innovador que combina la capacidad generativa de estos modelos con tareas de restauración de imágenes versátiles. Reinterpretamos la restauración de imágenes no como un problema de regresión estática, sino como un proceso generativo progresivo. Utilizamos los modelos de vídeo para simular el refinamiento gradual de las entradas degradadas a las salidas de alta fidelidad. Con solo 1.000 muestras de capacitación multi, V-Bridge demuestra un potencial considerable en la mejora de la calidad de imágenes y la generación de contenido visual.

Visual-ERM, un modelo de recompensa generativa multimodal, proporciona retroalimentación visual de grano fino para tareas de visión a código, mejorando el rendimiento de aprendizaje de refuerzo y estableciendo un nuevo punto de referencia para la evaluación visual estructurada. 🌟

Sin embargo, las dos tareas requieren regímenes de decodificación desmatados y representaciones visuales desmatadas, lo que hace que no sea trivial optimizar conjuntamente en un espacio de características compartidas. Cheers incluye tres componentes clave: (i) un tokenizador de visión unificado que codifica y comprime los estados latentes de la imagen de Chezhou en los estados de la generación de Hai que desmatan los detalles de nivel de patch de las representaciones semánticas, estabilizando así la semántica para la comprensión multimodal y mejorando la fidelidad de la generación de imágenes a través de los residuos de detalles de gates. Cheers incluye tres componentes clave: (i) un tokenizador de visión unificado que codifica y comprime los estados latentes de la imagen de

Welcome to the Long-horizon Memory Embedding Benchmark (LMEB)! Unlike existing text embedding benchmarks that focus closely on passage retrieval, LLMEB is designed to evaluate the ability of text embedding models to handle complex long-horizon memory retrieval tasks, focusing on fragmented, contextual, and temporally distant information. LMEB includes 22 diverse data sets and 193 retrieval tasks across 4 types of memory. By evaluating the long-horizon memory retrieval capabilities of text embedding models, a crucial ability for augmented memory systems like OpenClaw, LMEB helps OpenClaw identify the most suitable embedding models, improving its ability to remember, recall, and make personalized and user-aware decisions.

¡Reciba artículos de moda en su correo electrónico diariamente! 🌟

¡Reciba artículos de moda en su correo electrónico diariamente! 🌟

Evaluación retrospectiva de la evidencia genética humana para el éxito de los ensayos clínicos utilizando la aleatorización Mendeliana y el aprendizaje automático

La arquitectura genética compartida entre la anorexia nervosa y los biomarcadores metabólicos sugiere vías causales subyacentes

El perfil multi-ómico de célula única permite la disección de fenotipos inmunes periféricos en la progresión de la enfermedad de Alzheimer

Necesidades de recursos y estimaciones de costes para la cobertura sanitaria universal en 122 países utilizando el Compendio UHC de la OMS

Las firmas inmunotranscriptomicas longitudinales están asociadas con la espesura intima-media carótida más de 18 años

Respuesta cerebrovascular alterada a la retención de la respiración en la lesión de la médula espinal toracolumbar medida mediante espectroscopia funcional de infrarrojos

🦉🐾 Los anfitriones de la vida silvestre predicen la distribución de la coccidioidomicosis reportada en el oeste de Estados Unidos

Varias vías de síndrome metabólico identificadas por agrupamiento jerárquico de los datos de control de salud longitudinales japoneses

🧪 Experimento Médico 💡: Prediciendo riesgos a largo plazo con ECG

🛏️😴 La relación entre la vulnerabilidad social y la gravedad de la apnea del sueño obstructivo en un centro de sueño terciario 🏥📊

Desconexión de razonamiento y recompensa: un enfoque modular para el alineamiento estable de pequeños modelos de lenguaje clínico