研究提出“探针引导”方法，利用冻结扩散模型的内部状态构建引导信号，无需额外前向计算，在连续扩散语言模型的无条件生成上取得新最优，并提升1.7B模型的多选题表现。研究还发现，自引导中弱模型须来自低熵训练区域，并揭示了其机制。
本文提出了一种新颖的自引导模型预测控制算法（BMPC），有效解决了无模型学习策略和价值估计不准确的问题。BMPC通过模仿专家和结合时序差分学习，显著提升了控制效率和数据效率，尤其在高维运动任务中表现突出。
完成下面两步后，将自动完成登录并继续当前操作。
