
科技行者 1月7日 拉斯维加斯消息(文/孙封蕾): 今天,在CES 2019的预展上,有一个获得了CES 2019创新奖的自动快递收件箱。中国人路过,都忍不住“呵呵”两声。
图1:获得了CES 2019创新奖的快递收件箱
快递员到了之后,就会给收件人发送一个收货箱的密码,收件人可以凭借密码来取件。这个听上去完全是抄袭“丰巢”的感觉有没有?
再看看,京东在预展上展示的送货机器人,比那个自动收件箱,看上去就有了很高级的感觉。
图2:京东在CES 2019上展示的送货机器人,不仅能够自助取件,而且是机器人自己送上门的
好文章,需要你的鼓励
RGPO用"临时脚手架"破解大模型强化学习的奖励稀疏难题:先让模型独立解题,失败则分段放出标准解法引导重写,仅采纳经验证更优的答案。难题测试准确率从0跃至99.5%,语言模型平均分高出最强基线5.0分。
论文提出用MoE模型的路由器输出作为跨语言对齐目标,通过持续预训练对翻译句对施加路由KL散度损失,在不改变分词和架构的前提下让隐藏表示更接近,并在四个开源MoE模型、七种语言上验证了下游任务性能的一致提升。
DiffGate提出难度门控的教师指导机制,让验证器决定何时需要教师介入,仅对失败且困难的轨迹提供有界教师指导,结合GRPO强化学习,在数学与代码任务上显著提升解题覆盖率与跨领域迁移能力。
研究者用固定不变的16位二进制编码替代传统可训练词嵌入表,在17亿参数规模模型上训练1000亿token,证明模型仍可获得实质语言能力,揭示输入表并非必需,但性能略逊于可学习方案。