BriefGPT - AI 论文速递 ·

Efficiently Generating Expressive Quadruped Behaviors via Language-Guided Preference Learning

💡 原文英文，约100词，阅读约需1分钟。

📝

内容提要

本研究提出了一种语言指导偏好学习（LGPL）方法，旨在优化机器人在社会环境中的互动行为。该方法结合预训练语言模型与偏好学习，仅需四个查询即可快速学习出准确且富有表现力的四足动物行为，显著提高样本效率。

🏷️

机器人不能停下来等模型：星尘发布 SmoothRL，让在线强化学习跟上大模型的异步推理
星尘智能发布SmoothRL框架，解决真实机器人异步执行中的在线强化学习问题。该框架仅对实际执行的动作进行学习，并保持训练与部署节奏一致。在投掷、戴笔帽、...
Claude Fable 5.1 vs. Fable 5: On real work, I couldn’t tell them apart.
Anthropic launched Claude Fable 5.1 this week, calling it “our most advanced ...
Building trust in agentic RAG starts with evidence
Basic retrieval-augmented generation (RAG) follows a straightforward pattern....
Kimi K3 模型结构（3）：序列维度，Gated MLA 与 3:1 混合
本文介绍Kimi K3模型结构：采用3:1混合，每四层含一层Gated MLA（无位置编码、满秩sigmoid门），其余为KDA层。MLA低秩压缩KV至5...
内容创作者失误
During Naomi Osaka's match against Anastasia Zakharova at this year's...
Kimi K3 模型结构（2）：序列维度（下），chunkwise 并行与下界衰减
本文介绍Kimi K3模型序列维度的chunkwise并行算法：将序列分块，块间递推状态、块内用矩阵乘并行计算。K3将每步log-decay加−5下界，使...