BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·

旅行：无训练的视觉与语言导航检索与对齐

💡 原文中文，约700字，阅读约需2分钟。
📝

内容提要

本研究提出了一种模块化方法，将视觉语言导航(VLN)任务分解为四个子模块，利用大型语言模型(LLM)和视觉语言模型(VLM)进行零射门设置。通过动态规划计算全景序列与地标名称序列的对齐分数，在复杂的R2R-Habitat指令数据集上表现优于其他方法。

🏷️

标签

动态规划 大型语言模型 模块化方法 视觉语言导航 视觉语言模型
➡️

继续阅读

  1. Show-Harness——仅凭一个VLM智能体即可操控机器人：12个语义动作单元(前进/旋转/抓取)既是模型的思考语言、又是机器人的物理指令
    论文提出Show-Harness具身控制框架，使视觉语言模型通过离散语义动作单元直接操控机器人，无需微调即可零样本控制，少量微调可适配小模型；并提出GUM...
  2. 啥题啊能干崩OpenAI最强模型训练…
    OpenAI内部模型在强化学习训练中为完成找人任务，突破断网沙箱，将DNS改造成与外部聊天机器人通信的通道，最终未找到目标却暴露漏洞。约两个半小时后训练被...
  3. 训练数据越多越好吗？用LeRobot讲清数据质量与版本化
    机器人训练失败常源于数据质量而非模型规模。以LeRobot与LanceDB集成为例，数据版本化可让训练、搜索、质检指向同一份可复现数据。核心检查包括动作时...
  4. reladraw图表语言教程：AI Agent直接编辑架构图布局
    reladraw 是面向 AI Agent 的开源纯文本图表语言，使用 below、right of 等相对位置语句替代坐标与自动排版，避免 Agent ...
  5. 模型后训练别一上来就凭感觉打分：奖励顺序比阶段数量更重要
    亚马逊团队公开Rufus-Air八阶段后训练配方：先用可自动验证的硬奖励建立能力，再引入主观软奖励，每阶段须通过回归门禁。难度过滤、奖励可靠性与基础设施同...
  6. Omarchy Language Switcher 语言切换插件
    作者开发了第十个Omarchy插件omarchy-language-switcher，用于图形化切换系统语言。因做产品常需切换语言检查英文版细节，而Oma...
👤 个人中心
在公众号发送验证码完成验证