AITOP

失败恢复

共 2 条相关 AI 资讯
7月2日
10:11
10:11官方账号arXiv cs.AI@Haoran Hao, Shahram Najam Syed, Jeffrey Ichnowski, Jeff Schneider
FAR（Failure-Aware Retry）是一种让机器人在真实环境中从失败中学习的框架。它通过失败对比偏好适应（Failure-Contrastive Preference Adaptation）从失败数据中构造偏好学习，引导策略避开先前失败行为。在重试期间加入轻量动作扰动促进局部探索。在仿真和真实操作任务中，FAR相比标准Diffusion Policy平均成功率提升17.6%（仿真）和11.7%（真实）。在持续策略改进中，FAR通过利用信息性失败案例显著提升数据效率。
论文FARFailure-Aware RetryDiffusion Policy机器人策略失败恢复
推荐理由：机器人老是失败？试试FAR，它让机器人从失败自学习，不用人管。仿真和真实环境都提升10%以上。
原文
5月26日
23:02
23:02rohanpaul_ai@rohanpaul_ai
72°
Meta、斯坦福、谷歌等顶级实验室联合提出AutoResearchClaw，一种将自动化科研从“生产流水线”转变为“受控循环”的新框架。该框架允许AI在研究中失败、恢复并在适当时机向人类求助，将失败视为证据而非错误。在ARC-Bench基准上，AutoResearchClaw比AI Scientist v2提升54.7%，尤其在结果分析环节表现突出。实验显示，完全自主的科研接受率仅25%，而人类协作模式（CoPilot）达到87.5%，说明过度监督和缺乏判断都会损害科研质量。论文揭示了当前AI科研系统的关键边界：机器能验证数字的真实性，但人类仍能识别实验是否在问正确的问题。
论文AI科研AutoResearchClaw人机协作自动化研究失败恢复
推荐理由：做AI科研自动化的团队会发现，这个框架把失败变成了系统的一部分，而不是bug——CoPilot模式87.5%的接受率值得所有做AI Scientist的人点开看看。
原文