标签： 训练

alphaXiv 上的一篇论文提出，不需要让基座模型从零跑完整编码智能体任务，只需用它回放成功轨迹中的“决定性动作”，就能预测哪个基座检查点值得做昂贵的智能体后训练。

一篇新论文提出 EmbodiedRSI，让机器人不重新训练基础模型，而是用“假设图+信息价值选实验”自动改写外层代码与技能，在 RoboCasa365 与 LIBERO-Pro 基准上跑出明显高于基线的成功率。

arXiv 一篇新论文提出 PAIR 框架，在视觉-语言-动作（VLA）模型中学习共享的感知-动作表征，试图让机器人从“看懂”到“行动”的过渡不再只靠最终动作损失隐式监督。摘要报告在仿真和真实任务上取得小幅提升。

2026 年 10 月 5 日发表于 Hugging Face Papers 的论文提出 Minimal-Witness Reinforcement Learning（MWRL），用单一黑盒验证器反馈学习“最小充分见证”的完整集合，而不再只找一个答案或冗余超集。它把强化学习的目标从单解优化扩展到可解释性中的多…

一项由 Hugging Face Papers 收录的论文摘要提出，多向量视觉文档检索器把每页文档存成约千个图像 patch 向量，而这些向量可被反演出接近原始页面的内容，意味着向量索引本身应按敏感文档来保护。