保形预测相关 AI 资讯 · AI 热点

8月31日

11:57

11:57

官方账号arXiv cs.AI@Tom Stent, Nicolas Boullé

精选

研究人员开发了分割保形框架，为神经算子输出提供校准点带，确保在至少1-γ比例的评估域内包含真实解，置信度为1-α。该方法将归一化残差场降至空间(1-γ)分位数，并使用保留的校准数据集计算缩放因子。在达西流和纳维-斯托克斯方程的数值实验中，该方法校准产生的带状区域比现有校正方法更紧致，同时保持目标覆盖率。

论文神经算子不确定性量化保形预测

推荐理由：这篇论文提出了一种新的神经算子不确定性量化方法，在达西流和纳维-斯托克斯方程实验中表现优异。

6月11日

10:05

10:05

官方账号arXiv cs.LG@Hyun Joe Jeong, Gokul Swamy, Andrea Bajcsy

精选

该研究提出一种框架，通过交互式搜索语言序列来提升视觉-语言-动作（VLA）模型的闭环任务性能，并蒸馏为测试时的语言反馈策略（LFP）。同时学习一个改进头，预测何时语言引导能提升性能，并通过保形化处理防止有害干预。该方法适用于任意冻结的预训练VLA模型，无需访问原始训练数据或微调。在模拟和硬件实验中，该策略分别将基础VLA性能提升24.7%和65.0%，且在视觉和语义扰动下具有强无害性保证。

论文 VLA模型语言引导机器人控制

推荐理由：机器人开发者终于有了一个无需重新训练就能安全引导VLA模型的方法——通过语言反馈策略提升任务成功率，同时避免有害行为。做机器人控制或人机交互的团队可以直接在现有模型上尝试，值得关注。