10:53
arXiv cs.AI@Wen Ye, Peiyan Li, Tingyu Yuan, Yuan Xu, Xiangnan Wu, Chaoyang Zhao, Jing Liu, Nianfeng Liu, Yan Huang, Liang Wang
推荐理由：E-TTS团队搞了个新框架，不用重新训练就把机器人操作成功率在模拟中提33%，真实场景提26%，挺实用的。
全部 AI 动态
AI 相关资讯全量信息流
6月26日
10:53
E-TTS是一个模块化、即插即用的具身测试时缩放框架，通过历史感知的迭代精炼和视觉语言验证器，统一了机器人操作中的推理和动作缩放。它采用推理-动作联合采样和成对评分，并引入历史缓冲区存储上下文，用于推理和动作验证器评估候选。与常规开环TTS不同，E-TTS在采样中引入反馈生成，形成闭环迭代精炼机制。实验在4个基准、6个环境、3个实体和4个基础VLA模型上进行，模拟场景提升33.14%，真实场景提升26.62%，无需额外数据收集或重新训练。
6月16日
20:46
AITOP6月16日 20:46
6月12日
13:46
13:46
arXiv cs.LG@Paul Seij, Christian A. Naesseth, Stephan Mandt, Metod Jazbec
推荐理由：做分子生成或药物设计的团队，终于有了一个能判断生成分子质量好坏的信号，建议试试这个后处理方法，能直接提升模型输出质量。
12:57
AITOP6月12日 12:57
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07