
11 月 10 日 · 26 分钟
![[论文品读]意图条件流占用模型](https://media-one.wavpub.com/covers/1b225f87-4eea-40e2-9522-fb4563ec9b2c/d48cb32e6dd1d52c.png?x-oss-process=image/resize,m_lfit,w_520,h_520/format,webp)
[LG] Intention-Conditioned Flow Occupancy Models
C Zheng, S Park, S Levine, B Eysenbach
[Princeton University & UC Berkeley]
本文提出的Intention-Conditioned Flow Occupancy Models (InFOM)通过创新性地结合潜在意图推断与基于流匹配的未来状态占有率建模,并在预训练中优化ELBO、在微调中使用隐式广义策略改进,成功地从未标记的异构离线数据中学习到了能够显著提升下游任务性能的RL基础模型,特别是在处理用户意图多样性和长期时间依赖性方面展现了巨大潜力。
https://arxiv.org/abs/2506.08902

11 月 10 日 · 26 分钟

[人人能懂AI前沿] 3D持续打磨、多智能体博弈与微米级控制
11 月 9 日 · 24 分钟

[人人能懂AI前沿] 从元技能提炼、对抗性推理到物理世界的“柔性破界”
11 月 8 日 · 23 分钟

[人人能懂AI前沿] 从分配脑容量、无反馈破局到预测未来的代价
11 月 7 日 · 24 分钟
![[论文品读]意图条件流占用模型](https://media-one.wavpub.com/covers/1b225f87-4eea-40e2-9522-fb4563ec9b2c/d48cb32e6dd1d52c.png?x-oss-process=image/resize,m_lfit,w_400,h_400/format,webp)
AI可可AI生活 · 2025 年 6 月 16 日 · 9 分钟
[LG] Intention-Conditioned Flow Occupancy Models
C Zheng, S Park, S Levine, B Eysenbach
[Princeton University & UC Berkeley]
本文提出的Intention-Conditioned Flow Occupancy Models (InFOM)通过创新性地结合潜在意图推断与基于流匹配的未来状态占有率建模,并在预训练中优化ELBO、在微调中使用隐式广义策略改进,成功地从未标记的异构离线数据中学习到了能够显著提升下游任务性能的RL基础模型,特别是在处理用户意图多样性和长期时间依赖性方面展现了巨大潜力。
https://arxiv.org/abs/2506.08902

https://feed.xyzfm.space/wl9t7httkfd3复制内容版权归创作者,声湃按创作者开放的 RSS 收录。了解收录与 RSS →

11 月 10 日 · 26 分钟

[人人能懂AI前沿] 3D持续打磨、多智能体博弈与微米级控制
11 月 9 日 · 24 分钟

[人人能懂AI前沿] 从元技能提炼、对抗性推理到物理世界的“柔性破界”
11 月 8 日 · 23 分钟