جدیدترین مقالات تحقیقاتی هوش مصنوعی از arXiv را کشف کنید — به‌روزرسانی خودکار روزانه برای پژوهشگران و علاقه‌مندان.
آیا یک مدل زبانی خود را بهبود داده است یا خیر؟ به طور تدریجی، این مدل بر اساس دقت متوسط عمل نمی‌کند؛ بلکه در مورد نحوه مواجهه با مسائل فردی و نقاط ضعف آن مشکل دارد. ردیابی این تغییرات به معنای تفریق دو برآورد نویزآمیز اس…
1. بهبود جریان و خوانایی 2. ساختار جمله‌ای طبیعی‌تر در فارسی 3. ثبات در اصطلاحات 4. تصحیح خطاهای ترجمه مقررات: - حفظ اصطلاحات و فرمول‌های فنی - حفظ ساختار بخش‌ها - حفظ استنادها و منابع فقط متن فارسی بهبود یافته را ارائ…
Large language model (LLM) agents can induce skills from completed tasks and reuse them later to grow more capable with experience. In practice, induced skills may transfer unreliably and can even harm the agent that ret…
لطفاً متن مورد نظر را ارسال کنید.
Continuous self-improvement requires an ever-expanding pool of self-generated, diverse, adaptive goals. For language agents, existing training environment pools (hand-curated, statically synthesized, or frozen-verifier)…
We introduce Accelerating Dexterity via Pre-Training (ADEPT), a large-scale reinforcement learning (RL) framework for learning sim-to-real transferable dexterity across high degree-of-freedom (DoF) robot embodiments that…
On-policy distillation (OPD) trains a student on its own responses using dense token-level guidance from a stronger teacher. In long-context tasks, however, token-level teacher support can favor locally plausible respons…
This technical report describes our winning submission to the AES AIMLA 2025 Challenge on querying sound effects by vocal imitation. We investigate two complementary fine-tuning strategies: contrastive learning with a fr…