标签：训练

概率平滑新解法：最优传输DRO让未见类别不再一视同仁

2026年10月19日发布于alphaXiv的一篇论文提出用最优传输模糊集替换q范数模糊集，使概率平滑能利用类别间相似性，并证明任何满足条件的DRO都等价于最大熵估计。

alphaXiv 于2026年10月19日介绍了一个名为 HandsOn 的跨本体灵巧操作仿真平台与基准，包含5种机械臂、6种灵巧手和约200种资产。它用1.8万条人类演示训练，再用不提供目标演示的迁移任务考察泛化，结果显示当前最强多任务策略在 Core-50 上成功率仅29.1%。

alphaXiv 收录的论文 SteerAct 提出一种少样本时序引导方法，在冻结预训练机器人动作模型权重的条件下，仅用少量成功与失败执行记录，在测试时干预模型内部特征激活，让任务执行更靠得住。这为降低机器人模型适配成本提供了新思路。

alphaXiv 于 2026 年 10 月 19 日展示论文 RoboValue，提出覆盖 35 个双臂操作任务的仿真与真实联合基准，专门测试机器人价值模型的反馈是否可靠，而不是比拼任务成功率。

Hugging Face Papers 收录的论文提出 TCoVP，用带时间戳和空间证据的“视频基元”替代纯文本 CoT，让视频推理分割的推理过程落到画面上，并在五个基准、三个骨干模型上做了实验。

Hugging Face Papers 收录的一篇论文提出“集体经验学习”（CEL）框架，让部署中的机器人共享执行经验来改进同一策略，无需人类遥操作纠正即可提升可靠性。这为机器人规模化落地提供了一条不依赖持续人工介入的学习路径。

Hugging Face Papers 收录的论文摘要提出 EvoWeb 基准，用 320 个累积需求测试编码智能体在持续修改同一 Web 应用时的可靠性，而不只看它能否一次性满足固定规格。

Hugging Face Papers 于 2026 年 10 月 19 日收录的论文提出 AnyGoal 基准，用于检验世界模型能否把训练中见过的状态因子和动作重新组合；结果显示，在多个环境和模型家族中，这类组合任务仍会失败。

浙江大学等团队在 Hugging Face Papers 发布论文摘要，提出 ScaleNav，用互联网第一视角视频做语言条件局部导航预训练，在仿真基准和四足机器人上做了验证。

一篇 alphaXiv 论文显示，机器人仅凭关节编码器的本体感觉，在仿真中学会插销、齿轮啮合和拧螺母，其中插销策略零样本迁移到真机，在测试中成功插入不同形状与尺寸的销钉，占 73% 的试验。这提示精密装配未必需要视觉或触觉。