指令跟随相关 AI 资讯 · AI 热点

7月30日

07:10

07:10

OpenRouter@OpenRouterAI

Cohere 通过 OpenRouter 上线了 rerank-2.5-lite 模型，该模型能根据用户提供的自然语言相关性标准进行重排序。其定价为每百万输入 token 0.02 美元，大幅低于同类重排序模型。该模型支持指令跟随，可定制排序逻辑，适用于搜索增强与 RAG 场景。基准测试表明，其在 BEIR 等标准上保持了高精度。

AI模型 rerank-2.5-lite Cohere OpenRouter

推荐理由：Cohere 出了个新重排序模型，能照着你的自然语言描述来排序，价格还超低，每百万 token 才两分钱。

07:09

07:09

OpenRouter@OpenRouterAI

OpenRouter 发布 rerank-2.5 重排序模型，支持指令跟随能力，可提升检索准确度。定价为每百万输入 token 0.05 美元。该模型在多个检索基准上相比上一代 rerank 有显著改进。用户可通过 OpenRouter 的 API 直接调用。

AI模型 rerank-2.5 OpenRouter 重排序

推荐理由：OpenRouter 出了个新重排序模型 rerank-2.5，能听懂指令来排序，检索更准，价格还特别便宜，每百万token才5分钱。

6月10日

09:33

09:33

官方账号arXiv cs.LG@Artur Kuramshin, Özgür Aslan, Cyrus Neary, Glen Berseth

精选

机器人学习中的大规模策略在操作任务上表现优异，但指令跟随能力不足，主要原因是现有数据集缺乏语言和动作序列多样性。TREAD提出一种可扩展框架，利用大型视觉语言模型（VLM）对现有机器人数据集进行重标注，无需额外数据采集。该方法通过三个步骤：从原始指令生成语义子任务、基于子任务分割演示视频、生成包含物体属性的多样化指令，将长演示分解为语言-动作对。实验表明，在LIBERO基准上，使用TREAD增强数据训练的策略在未见任务和目标上表现更好，提升了规划泛化和语言条件策略泛化能力。

论文机器人学习数据增强 VLM

推荐理由：做机器人数据增强和指令跟随的团队，TREAD用VLM低成本提升数据集质量，直接增强策略泛化，值得在LIBERO等基准上试试。