精选理由
这篇论文提出了Latent Memory Palace方法，把推理当成自回归变分推断来控制机器人，在模拟和现实任务都很强，还带可变长动作分词器，做控制方向的朋友可以看看。
Latent Memory Palace (LMP) 方法提出将控制策略的推理形式化为自回归变分推断，通过组织信息于潜在记忆宫殿实现自适应迭代检索。该方法推导出潜在空间强化学习技术以优化变分下界，得到策略 LMP-π 在仿真和真实场景中表现优异，并展示可解释的测试时计算分配。LMP-tok 作为变长动作分词器，显著提升了自回归策略的性能。论文提供了通过变分推断视角进行潜在推理控制的新观点。
AI 翻译 · 中文
Latent Memory Palace (LMP) 方法提出将控制策略的推理形式化为自回归变分推断，通过组织信息于潜在记忆宫殿实现自适应迭代检索。该方法推导出潜在空间强化学习技术以优化变分下界，得到策略 LMP-π 在仿真和真实场景中表现优异，并展示可解释的测试时计算分配。LMP-tok 作为变长动作分词器，显著提升了自回归策略的性能。论文提供了通过变分推断视角进行潜在推理控制的新观点。
Human decision-making is highly flexible -- some actions are taken immediately; others require longer deliberation. Language models have exhibited a similar capacity for adaptive "reasoning." However, transferring this c…