42digest首页

活 水 快 报

用 AI 跟踪日新月异的 AI 领域进展

Wayfinding through the AI wilderness: Mapping rhetorics of ChatGPT prompt writing on X (formerly Twitter) to promote critical AI literacies

在AI荒野中寻路：映射X(原Twitter)上ChatGPT提示写作的修辞以促进批判性AI素养

在本文中，我们展示了研究社交媒体上ChatGPT提示写作的修辞如何能够促进批判性AI素养。提示写作是为生成式AI工具(如ChatGPT)编写指令以引发期望输出的过程，社交媒体上关于此话题的讨论激增。为了研究这一修辞活动，我们基于计算机与写作领域中数字写作研究的四个重叠传统：我们如何构建素养框架、如何研究社交媒体修辞、如何迭代和反思性地参与方法和技术、以及如何将计算方法与定性方法相结合。借鉴这四个传统，我们的论文展示了迭代研究过程，通过该过程我们收集并分析了2022年11月至2023年5月期间在X(原Twitter)上发布的32,000条关于提示写作的帖子(原推文)。我们提出了关于这些新兴AI素养实践的五个主题：(1)受提示写作影响的沟通领域，(2)为提示写作共享的微观素养资源，(3)塑造提示写作的市场修辞，(4)提示的修辞特征，以及(5)提示写作的定义。在讨论这些主题和方法时，我们为正在教授和分析批判性AI素养的数字写作教师和研究人员强调了重要启示。

计算机与社会 人工智能 计算与语言
An efficient probabilistic hardware architecture for diffusion-like models

一种高效的扩散类模型概率性硬件架构

概率性AI的普及推动了专用随机计算机的提案。尽管这些提案在效率提升方面前景广阔，但由于它们依赖于本质上受限的建模技术和异质、不可扩展的硬件，因此未能获得广泛关注。在这项工作中，我们通过提出一种全晶体管概率性计算机来解决这些缺陷，该计算机在硬件层面实现了强大的去噪模型。系统级分析表明，基于我们架构的设备在一个简单的图像基准测试中，能够使用大约少10,000倍的能量实现与GPU相当的性能。

机器学习 人工智能
Towards Robust Mathematical Reasoning

迈向稳健的数学推理

为基础模型提升数学推理能力，找到正确的北极星指标至关重要，特别是考虑到现有的评估要么过于简单，要么只关注获得正确的简短答案。为了解决这些问题，我们提出了IMO-Bench，一套经过顶级专家小组审查的高级推理基准测试套件，专门针对国际数学奥林匹克（IMO）的水平，这是年轻数学家最负盛名的平台。IMO-AnswerBench首先在400个多样化的奥林匹克问题上测试模型，这些问题具有可验证的简短答案。IMO-Proof Bench是下一级的证明写作能力评估，包括基础和高级IMO级别的问题以及详细的评分指南，以促进自动评分。这些基准测试在我们于IMO 2025中实现金牌级别表现的历史性成就中发挥了关键作用，使用的是Gemini Deep Think（Luong and Lockhart, 2025）。我们的模型在IMO-AnswerBench上达到了80.0%，在高级IMO-Proof Bench上达到了65.7%，分别比最佳非Gemini模型大幅领先6.9%和42.4%。我们还展示了使用Gemini推理构建的自动评分器与人类评估有良好的相关性，并构建了IMO-GradingBench，包含1000个人类对证明的评分，以促进长答案自动评估的进一步发展。我们希望IMO-Bench将帮助社区推进稳健的数学推理，并在https://imobench.github.io/发布。

计算与语言 人工智能
Breaking Agent Backbones: Evaluating the Security of Backbone LLMs in AI Agents

Breaking Agent Backbones: Evaluating the Security of Backbone LLMs in AI Agents

基于大型语言模型(LLM)的AI智能体正在大规模部署，然而我们对于骨干LLM选择如何影响智能体安全性缺乏系统性理解。AI智能体的非确定性序列特性使得安全建模变得复杂，而传统软件与AI组件的集成将新颖的LLM漏洞与传统安全风险交织在一起。现有框架仅部分解决这些挑战，因为它们要么仅捕获特定漏洞，要么需要对完整智能体进行建模。为应对这些限制，我们引入了威胁快照：一个在智能体执行流程中隔离LLM漏洞显现的特定状态的框架，能够系统性地识别和分类从LLM传播到智能体层级的安全风险。我们应用此框架构建了b^3基准，这是一个基于194331个独特众包对抗攻击的安全性基准。随后我们用它评估了31个流行的LLM，揭示了增强推理能力可提升安全性，而模型大小与安全性无关等重要发现。我们发布了我们的基准、数据集和评估代码，以促进LLM提供商和实践者的广泛采用，为智能体开发者提供指导，并激励模型开发者优先考虑骨干安全性的改进。

密码学与安全 人工智能 机器学习
Transitive RL: Value Learning via Divide and Conquer

传递性强化学习：基于分治策略的价值学习

在这项工作中，我们提出了传递性强化学习(TRL)，一种基于分治范式的新型价值学习算法。TRL专为离线目标条件强化学习(GCRL)问题设计，其目标是找到一种策略，能够在最少的步数内从任意状态到达其他任意状态。TRL将GCRL中存在的三角不等式结构转化为实用的分治价值更新规则。与替代的价值学习范式相比，这具有若干优势。与时序差分(TD)方法相比，TRL受偏差累积的影响较小，因为原则上它只需要O(log T)次递归（而TD学习需要O(T)次）来处理长度为T的轨迹。与蒙特卡洛方法不同，TRL由于执行动态规划而受高方差的影响较小。实验表明，与先前的离线GCRL算法相比，TRL在极具挑战性的长视野基准任务中实现了最佳性能。

机器学习 人工智能

热门分类

最新研究

马尔可夫转移核中快速变点检测的条件得分学习

我们研究了具有未知转移核的马尔可夫过程中的快速变点检测问题。核心思想是直接从样本对(𝐱,𝐲)中学习条件得分∇_𝐲log p(𝐲|𝐱)，其中𝐱和𝐲都是由相同转移核生成的高维数据。通过这种方式，我们避免了显式的似然评估，并提供了一种学习转移动态的实用方法。基于此估计，我们开发了一种基于得分的CUSUM过程，使用条件Hyvarinen得分差异来检测核的变化。为确保有界增量，我们提出了该统计量的截断版本。利用一致遍历马尔可夫过程的Hoeffding不等式，我们证明了平均虚警时间的指数下界。我们还证明了检测延迟的渐近上界。这些结果为高维马尔可夫模型中基于得分的检测提供了理论保证和实际可行性。

机器学习信号处理统计理论统计方法论
arXiv

吸引子即一切：多项式时间内的奇偶博弈

本文提出了一种在𝒪(n^2·(n + m))时间内求解奇偶博弈的多项式时间算法，结束了持续数十年的研究探索。与之前的基于吸引子的算法不同，所提出的算法仅移除已确定获胜方的区域。本文引入了一种新型吸引子，能够保证找到奇偶博弈的最小支配域。该吸引子在多项式时间内运行，并能够将图完全剥离。

数据结构与算法计算复杂性形式语言与自动机理论计算机科学与博弈论
arXiv

势博弈中均衡精炼的复杂度

计算均衡精炼的复杂度一直是算法博弈论研究的重点，但在势博弈这一开创性类别中仍然悬而未决；本文填补了这一基础性空白。我们首先证明，在不同的博弈表示形式下——包括扩展式博弈和一般多面体博弈，计算纯策略完美均衡是𝖯𝖫𝖲-完全的，从而与纯纳什均衡具有多项式时间等价性。对于标准型恰当均衡，我们的主要结果表明，在扩展式博弈中可以高效计算扰动（恰当）最优响应。作为副产品，我们确立了扩展式博弈中标准型恰当均衡的𝖥𝖨𝖷𝖯_a-完全性，解决了一个长期存在的开放性问题。与此形成鲜明对比的是，我们证明在多面体势博弈中计算标准型恰当均衡既是𝖭𝖯-难的也是𝖼𝗈𝖭𝖯-难的。接下来我们转向更具结构性的博弈类别，即对称网络拥堵博弈和对称拟阵拥堵博弈。对于这两类博弈，我们证明可以在多项式时间内计算纯策略完美均衡，从而强化了现有关于纯纳什均衡的结果。另一方面，我们证明对于某类势博弈，完美均衡与纳什均衡之间的最优响应路径长度存在指数级分离。最后，对于混合策略，我们证明即使在标准型的3人势博弈中，计算几何上接近完美均衡的点也需要双指数小的扰动。另一方面，在多矩阵势博弈这一特殊情况下，我们证明均衡精炼适用于扰动梯度下降动力学，从而属于复杂度类𝖢𝖫𝖲。

计算机科学与博弈论
arXiv

诱导匹配树宽与树独立数，再探

我们研究通过树分解定义的两个图参数：树独立数和诱导匹配树宽。这两个参数的定义方式与树宽类似，但针对图G的树分解𝒯采用不同的度量：对于树独立数，度量是包含在𝒯某个袋中的G的最大独立集的大小；而对于诱导匹配树宽，度量是G中诱导匹配的最大大小，使得𝒯的某个袋包含该匹配中每条边的至少一个端点。虽然任何图的诱导匹配树宽都以其树独立数为上界，但完全二分图族表明小的诱导匹配树宽并不蕴含小的树独立数。另一方面，Abrishami、Briański、Czyżewska、McCarty、Milanič、Rzążewski和Walczak [SIAM Journal on Discrete Mathematics, 2025] 证明，如果将固定双团K_t,t排除为诱导子图，则树独立数以诱导匹配树宽的某个函数为上界。他们证明得到的函数即使对于固定t也是指数型的，因为它依赖于Ramsey定理的多次应用。在本文中，我们使用Kövári-Sós-Turán定理证明，对于任何K_t,t-free图类，这两个参数实际上是多项式相关的。

离散数学组合数学
arXiv

高效且速率最优的最小反馈列表译码：披着羊皮的Weldon和Slepian-Wolf

给定一个信道，其输入和输出为字母表{0,1,…,q-1}上的长度为n的序列，其中最多有ϱ∈(0,1-1/q)比例的符号可能被敌手任意篡改，一个基本问题是在接近信息论最优值的速率下进行通信，同时确保接收方能够推断出发送方的消息来自一个"小"的集合。虽然此类码的存在性已知，并且对于大q已经存在具有计算上易处理的编码/译码过程的构造，但我们提供了首个对于任意q≥2都能达到此性能的方案，只要从接收方到发送方存在低速率反馈（相对于传输次数渐近可忽略）。对于任意足够小的ε>0和ϱ∈(1-1/q-Θ(√(ε))，我们的最小反馈方案具有以下参数：速率1-H_q(ϱ)-ε（即ε接近信息论最优值——这里H_q(ϱ)是q元熵函数），列表大小exp(𝒪(ε^-3/2log^2(1/ε))，编码/译码计算复杂度n^𝒪(ε^-1log(1/ε))，存储复杂度𝒪(n^η+1log n)，其中η>1是一个码设计参数，用于在存储复杂度和错误概率之间进行权衡。错误概率为𝒪(n^-η)，且（渐近消失的）反馈速率为𝒪(1/log n)。

信息论
arXiv

SynQuE:无需注释就估计合成数据集质量

我们介绍并正式化了合成数据集质量估计(SynQuE)问题:仅使用有限的未注释的真实数据,根据预期的真实任务性能对合成数据集进行排名。 这解决了由于收集成本或隐私限制而数据稀缺的关键和公开挑战。 我们通过引入和评估选择合成数据进行训练的代理指标来建立此问题的第一个综合基准,以最大限度地提高真实数据上的任务性能。 我们通过嵌入模型将分布和基于多样性的距离度量调整到我们的上下文中,为SynQuE引入了第一个代理指标。 为了解决这些指标在复杂规划任务上的缺点,我们提出了LENS,这是一种利用大型语言模型推理的新型代理。 我们的结果表明,SynQuE代理与不同任务的真实任务性能相关,包括情绪分析,Text2SQL,Web导航和图像分类,LENS通过捕获细微的特征,在复杂任务上始终优于其他人。 例如,在文本到SQL解析中,通过SynQuE代理选择的前3个合成数据集的训练,与不分青红皂白地选择数据相比,平均可提高30.4%至38.4%(+8.1)的准确率。 这项工作将SynQuE建立为在真实数据稀缺下进行综合数据选择的实用框架,并激励未来对基于基础模型的数据表征和细粒度数据选择的研究。

机器学习
arXiv

节能边缘基础设施的随机建模

边缘计算为实时应用程序提供低延迟处理,但由于边缘设备的分布式性质及其有限的能源资源,在电源管理方面带来了挑战。 本文提出了一种随机建模方法,使用Markov Chains来分析边缘计算中的电源状态转换。 通过产生稳态概率并评估能耗,我们展示了人工智能驱动的预测能力扩展相对于传统反应方法的好处。 蒙特卡洛模拟验证了模型,显示了理论结果和经验结果之间的强烈对齐。 灵敏度分析强调了不同的过渡概率如何影响功率效率,确认预测扩展可最大限度地减少不必要的过渡并提高整体系统响应能力。 我们的研究结果表明,基于人工智能的电源管理策略通过预测工作负载需求和优化状态转换来显着提高能源效率。 实验结果表明,基于AI的电源管理优化了跨异质边缘节点的工作负载分布,减少了设备之间的能耗差异,提高了整体效率,并增强了多节点环境中的自适应电源协调。

分布式、并行与集群计算
arXiv

MimiTalk:用双代理AI彻底改变定性研究

我们介绍了MimiTalk,这是一个双重代理的宪法人工智能框架,旨在用于社会科学研究中的可扩展和道德对话数据收集。 该框架整合了战略监督的主管模型和问题生成的对话模型。 我们进行了三项研究:研究1评估了20名参与者的可用性;研究2将121次AI访谈与使用NLP指标和倾向评分匹配的MediaSum数据集的1271次人类访谈进行了比较;研究3涉及10名跨学科研究人员进行人类和AI访谈,其次是盲目主题分析。 跨研究的结果表明,MimiTalk减少了面试焦虑,保持了对话的一致性,并在信息丰富性,连贯性和稳定性方面优于人类访谈。 人工智能访谈引发了对敏感话题的技术见解和坦率的观点,而人类访谈则更好地捕捉了文化和情感上的细微差别。 这些发现表明,双重代理宪法人工智能支持有效的人与人工智能协作,从而实现可复制、可扩展和质量控制的定性研究。

人机交互人工智能计算与语言
arXiv

减少的简编:减少。网络

网站 reduce.network 是探索问题和减少之间的综合数据库。 它以相互关联的图形形式呈现几个复杂度类,其中问题表示为顶点,而边缘表示它们之间的减少。 这种图形视角允许识别问题集群并简化查找问题候选者。 此外,用户可以通过专用搜索栏轻松搜索现有问题,各种过滤器允许他们专注于感兴趣的特定子图。 网站的设计使用户能够通过向数据库添加新问题和减少来做出贡献。 此外,软件架构允许集成与新复杂类相应的其他图形。 在当前状态下,包括以下具有各自复杂度类的网络: - 经典复杂度包括NP,#P和SSP-NP - 参数化的复杂性,包括类W[1],W[2] - 在PCP定理和Unique Games猜想下的差距保护减少。

计算复杂性
arXiv

MedDChest:用于胸腔成像的含量感知多模态基础视觉模型

视觉模型在医学成像中的表现往往受到预先训练在域外自然图像上预调微调骨干的盛行范式的阻碍。 为了解决这一基本领域差距,我们提出了MedDChest,这是一种专门针对胸成像优化的新型基础视觉变压器(ViT)模型。 我们从头开始对MedDChest进行了预训练,其中包含超过120万张图像的大规模,策划的多模态数据集,包括从10个公共来源编译的胸部X射线和计算断层扫描(CT)。 我们工作的核心技术贡献是引导随机调整作物,这是一种新颖的内容感知数据增强策略,将采样偏向于解剖相关区域,克服医疗扫描标准裁剪技术的低效率。 我们通过在一系列不同的下游诊断任务上对其进行微调来验证模型的有效性。 综合实验经验证明,MedDChest明显优于强大的,公开可用的ImageNet预训练模型。 通过建立大规模域预训练与特定领域数据增强相结合的优势,MedDChest提供了一个强大而强大的功能提取器,作为一系列胸腔诊断任务的明显更好的起点。 模型权重将公开提供,以促进未来的研究和应用。

计算机视觉与模式识别
arXiv

通过基于图形的标签进行高效的主题提取:深度模型的轻量级替代方案

从文本中提取主题已成为一项必不可少的任务,特别是随着非结构化文本数据的快速增长。 大多数现有作品都依赖于高计算方法来应对这一挑战。 在本文中,我们认为概率和统计方法,如主题建模(TM),可以提供有效的替代方案,需要更少的计算资源。 TM是一种统计方法,可以自动发现大量未标记文本中的主题;然而,它产生的主题作为代表性词的分布,这些单词通常缺乏明确的可解释性。 我们的目标是通过为这些单词集分配有意义的标签来执行主题标签。 为了不依赖于计算昂贵的模型来实现这一点,我们提出了一个基于图形的方法,该方法不仅丰富了与语义相关的术语的主题词,而且还探讨了它们之间的关系。 通过分析图中的这些连接,我们得出了合适的标签,准确地捕获每个主题的含义。 我们提出了我们提出的方法和几个基准(包括ChatGPT-3.5)在两个不同的数据集之间的比较研究。 我们的方法在BERTScore和后因相似性方面实现了比传统基准更好的结果,并产生了与ChatGPT-3.5相当的结果,同时保持计算效率。 最后,我们讨论主题标签的未来方向,并重点介绍增强可解释性和自动化的潜在研究途径。

计算与语言
arXiv

OTS-PC:基于OTS的闪电网络支付渠道

我们根据状态序列号的一次性签名提出了一种新型的双向支付渠道。 这种新结构比Poon-Dryja结构更简单,但提供了许多好处,如每个通道的O(1)存储,最小的信息泄漏以及与闪电网络路由的兼容性。

密码学与安全网络与互联网架构
arXiv

Twirlator:在量子机器学习分析中分析亚组对称效应的管道

利用数据对称性一直是几何深度学习和几何和等效量子机器学习性能提升的关键驱动因素。 虽然对称性似乎是一种有希望的方法,但其实际开销,如额外的门,可表达性降低和其他因素,在量子机器学习中并不很好理解。 在这项工作中,我们开发了一个自动化管道,以测量量子机器学习对学习任务中可能出现的对称性的各种特征。 我们将学习问题中的对称程度定义为它承认的子组的大小。 子组定义了部分对称性,这在以前的研究中没有广泛研究,该研究的重点是由整个组定义的对称性。 对称这些大小不同的子组表示的19个常见分析,我们计算了三类指标,这些指标描述了普通类的类指标,这些指标描述了普通类的测定结构在不同对称量下的行为。 第一个度量基于原始和对称发生器之间差异的规范,而第二个度量计算来自对称电路的深度、大小和其他特征。 第三类指标包括可表达性和纠缠能力。 结果在研究的测定中显示出不同的门架,并确认增加对称性降低了电路的可表达性。 在大多数情况下,增加对称性会增加纠缠能力。 这些结果有助于为几何量子机器学习应用选择足够可表达和计算效率的测定模式。

量子物理学机器学习
arXiv

图像像素化的并行区域自适应差分隐私框架

高分辨率视觉传感系统的广泛部署,加上基础模型的兴起,放大了基于视频的应用的隐私风险。 不同的私有像素化通过基于网格的噪声添加为视觉数据提供数学保证的保护,但在维护与任务相关的保真度,实现可扩展性和实现高效实时部署方面仍然存在挑战。 为了解决这个问题,我们提出了一种新的并行,区域适应性的像素化框架,将差异隐私的理论严谨性与实际效率相结合。 我们的方法根据区域复杂性自适应调整网格大小和噪声尺度,利用 GPU 并行性与经典基线相比实现显著的运行时加速。 引入轻量级存储方案,仅保留必要的嘈杂统计数据,显着减少空间开销。 正式的隐私分析是在拉普拉斯机制和平行组成定理下提供的。 PETS,Venice-2和PPM-100数据集的广泛实验展示了有利的隐私 - 效用权衡和显着的运行时/存储减少。 CelebA上的面部重新识别攻击实验进一步证实了该方法在防止身份推断方面的有效性。 这验证了其适用于实时隐私关键型应用程序,如养老、智能家居监控、驾驶员行为分析和人群行为监控。

密码学与安全
arXiv

测量理论延迟嵌入

著名的Takens'嵌入定理为从部分观测中重建动力系统的全部状态提供了理论基础。 然而,经典定理假设底层系统是确定性的,并且观测是无噪声的,限制了它在现实世界场景中的适用性。 在这些限制的激励下,我们制定了一个度量理论的概括,它采用了欧勒对动力学的描述,并将嵌入作为概率度量空间之间的推进图。 我们的数学结果利用了最佳运输的最新进展。 基于拟议的测量-理论时间延迟嵌入理论,我们开发了一种计算过程,旨在从时间滞后的部分观测中重建动态系统的全部状态,以稳健性设计,以处理稀疏和嘈杂的数据。 我们通过几个数值示例评估基于测量的方法,从经典的Lorenz-63系统到现实世界的应用,如NOAA海面温度重建和ERA5风场重建。

动力系统机器学习微分几何
arXiv

一种计算机视觉方法,用于估计海鱼养殖场中大西洋鲑鱼的通风率

对水产养殖生产的不断增长的需求需要开发创新的智能工具,以有效监测和管理鱼类健康和福利。 虽然非侵入性视频监测已成为鳍鱼水产养殖的常见做法,但现有的智能监测方法主要侧重于评估身体状况或鱼类游泳模式,并且通常在受控水箱环境中开发和评估,而没有证明其适用于公海养殖场的实际水产养殖环境。 这强调了在海鱼养殖场的生产环境中直接监测生理性状的方法的必要性。 为此,我们开发了一种计算机视觉方法,用于监测大西洋鲑鱼(Salmo salar)的通风率,该方法专为使用现有基础设施在商业海上养鱼场生产环境中录制的视频而设计。 我们的方法使用鱼头检测模型,该模型使用卷积神经网络将嘴状态分类为打开或闭合。 随后进行了多个物体跟踪,以创建在水下摄像机视野中游泳的鱼的时间序列,以估计通风率。 该方法显示出高效率,在独立于训练数据收集的100条鱼的试验组中,在地面真实和预测的通风率之间实现了皮尔逊相关系数0.82。 通过准确识别鱼类表现出呼吸窘迫迹象的钢笔,我们的方法提供了广泛的适用性,并有可能改变鱼类水产养殖中的鱼类健康和福利监测。

计算机视觉与模式识别
arXiv

DINOv2驱动基于视频的可见红外人重新识别的步态表示学习

基于视频的可见光红外人重新识别(VVI-ReID)旨在从视频序列中通过可见光和红外模式检索相同的行人。 现有方法倾向于利用模态不变的视觉特征,但在很大程度上忽略了步态特征,这些特征不仅模式不变,而且富含时间动力学,从而限制了它们建模跨模态视频匹配所必需的时空一致性的能力。 为了应对这些挑战,我们提出了一个DINOv2驱动的步态表示学习(DinoGRL)框架,该框架利用DINOv2丰富的视觉先验来学习与外观线索互补的步态特征,为跨模态检索提供了强大的序列级表示。 具体来说,我们引入了Semantic-Aware Silhouette和Gait Learning(SASGL)模型,该模型通过DINOv2的通用语义先验生成和增强剪影表示,并结合ReID目标对其进行优化,以实现语义丰富和任务自适应步态特征学习。 此外,我们还开发了一个渐进式双向多粒度增强(PBMGE)模块,该模块通过在多个空间粒度上实现步态和外观流之间的双向交互,逐步完善特征表示,充分利用它们的互补性,以丰富的局部细节增强全局表示,并产生高度歧视性的特征。 对HITSZ-VCM和BUPT数据集进行的广泛实验证明了我们方法的优越性,大大优于现有的最先进的方法。

计算机视觉与模式识别
arXiv

DR。 WELL:动态推理与基于符号世界模型的基于LLM的多代理协作

合作多代理人规划要求代理人在部分信息和有限的沟通下共同决策。 轨迹层面的协调往往失败,因为时间或移动的微小偏差会演变成冲突。 象征性的规划通过提高抽象水平和提供最小的行动词汇来减轻这一挑战,从而实现同步和集体进步。 我们介绍DR。 WELL,一个分散的神经符号框架,用于合作多代理规划。 合作通过两阶段谈判协议展开:代理人首先提出具有推理的候选角色,然后承诺在共识和环境限制下联合分配。 在承诺之后,每个代理独立生成并执行其角色的符号计划,而不会透露详细的轨迹。 计划基于执行结果,通过共享世界模型,该模型编码当前状态,并随着代理行为而更新。 通过推理象征性的计划,而不是原始的轨迹,DR。 WELL 避免了功能脆的步进级对齐,实现了可重复使用、可同步和可解释的更高级别的操作。 关于合作块推动任务的实验表明,代理在各集之间进行调整,动态世界模型捕获可重复使用的模式,并提高任务完成率和效率。 合作块推动任务的实验表明,我们的动态世界模型通过谈判和自我完善来提高任务完成和效率,为不断发展的,更高效的协作策略提供时间开销。

人工智能计算与语言机器学习多智能体系统
arXiv

VeriCoT:通过逻辑一致性检查进行神经符号化的思想验证

LLM可以通过Chain-of-Thought(CoT)进行多步骤推理,但它们无法可靠地验证自己的逻辑。 即使它们达到正确的答案,潜在的推理也可能有缺陷,破坏了高风险情景中的信任。 为了减轻这个问题,我们引入了VeriCoT,这是一种神经符号方法,从CoT推理中提取和验证正式的逻辑参数。 VeriCoT将每个CoT推理步骤正式化为一阶逻辑,并确定在源上下文,常识知识或先前推理步骤中建立参数的前提。 符号表示使自动求解器能够验证逻辑有效性,而NL前提允许人类和系统识别无接地或错误的推理步骤。 ProofWriter,LegalBench和BioASQ数据集的实验表明,VeriCoT有效地识别了有缺陷的推理,并作为最终答案正确性的有力预测因素。 我们还利用VeriCoT的验证信号进行(1)推理时间自我反省,(2)在VeriCoT蒸馏数据集上监督微调(SFT)和(3)使用基于验证的配对奖励进行直接偏好优化(DPO)的偏好微调(PFT),进一步提高推理有效性和准确性。

人工智能计算与语言
arXiv

ForeRobo:为3D目标驱动的机器人操纵解锁无限模拟数据

有效利用模拟来获得高级操作技能既具有挑战性,又非常重要。 我们引入了ForeRobo,这是一种生成式机器人代理,利用生成式模拟来自主获得由设想的目标状态驱动的操纵技能。 我们不是直接学习低级政策,而是主张将生成范式与经典控制相结合。 我们的方法为机器人代理配备了一个自我引导的提出生成-学习-启动周期。 代理首先提出要获得的技能并构建相应的模拟环境;然后它将对象配置为适当的安排,以生成技能一致的目标状态(ForeGen)。 随后,ForeGen产生的几乎无限数据用于训练拟议的状态生成模型(ForeFormer),该模型通过根据场景状态和任务指令预测当前状态下每个点的3D目标位置来建立点向对应。 最后,使用经典的控制算法来驱动机器人在现实环境中执行基于预期目标状态的操作。 与端到端策略学习方法相比,ForeFormer提供了卓越的可解释性和执行效率。 我们针对各种刚体和铰接对象操作任务进行训练和基准测试ForeFormer,并观察到与最先进的状态生成模型相比平均提高了56.32%,展示了不同操作模式的强大通用性。 此外,在涉及20多个机器人任务的真实世界评估中,ForeRobo实现了零射击模拟到真实转移,并表现出显着的概括能力,平均成功率达到79.28%。

机器人学
arXiv

继续滚动加载更多