专题：x1F375 论文阅读
共25篇相关文章
MiroThinker的技术报告里，有哪些策略可以分享？
整理了 MiroThinker 的技术报告和公开资料。目前 MiroThinker release 了三份技术报告，分别是 mirothinker 1.0、mirothinker 1.7 和 miroflow。 目录1. 官方网站2. 开源...
无监督技能发现的经典工作有哪些，你能一一列举吗？
目录🐱 UnsupervisedDiversity is All You Need: Learning Skills without a Reward Function (diayn)Explore, Dis...
强化学习及其他领域中的scaling laws有哪些效应？
目录论文列表故事线分析Scaling laws for single-agent reinforcement learningalpha zero 式的 MARLrobotics 的 imitation learningGCRLcontra...
如何FOCAL等经典工作的数据收集性能测试方法为？
整理了 focal 等经典 offline meta-RL 工作的 1. offline 数据集收集、2. policy 训练和性能测试的方法。...
LLM通常指的是大型语言模型（Large Language Model），这是一种基于深度学习技术构建的模型，能够理解和生成人类语言。LLM通过分析大量的文本数据来学习语言的规律和结构，从而能够进行文本生成、机器翻译、情感分析等多种任务。如果您需要关于LL
这个 repo 总结了 LLM agents play games 的论文，最近读了一些。 论文列表： Plan4MC: Skill Reinforcement Learning and Planning for Open-World Mi...
LLM通常指的是大型语言模型（Large Language Model），这是一种基于深度学习技术构建的模型，能够理解和生成人类语言。LLM通过分析大量的文本数据来学习语言的规律和结构，从而能够进行文本生成、机器翻译、情感分析等多种任务。如果您需要关于LL
这篇文章使用 LLM 生成了各种 MineCraft 的 skill，但没有利用 LLM 的通识能力，感觉不算 LLM agent 的工作。...
LLM通常指的是大型语言模型（Large Language Model），这是一种基于深度学习技术构建的模型，能够理解和生成人类语言。LLM通过分析大量的文本数据来学习语言的规律和结构，从而能够进行文本生成、机器翻译、情感分析等多种任务。如果您需要关于LL
感觉性能好的关键原因：1. prompt 写得好，可以高效沟通；2. agent 记忆的信息形式很简洁。...
LLM通常指的是大型语言模型（Large Language Model），这是一种基于深度学习技术构建的模型，能够理解和生成人类语言。LLM通过分析大量的文本数据来学习语言的规律和结构，从而能够进行文本生成、机器翻译、情感分析等多种任务。如果您需要关于LL
论文标题：Large Language Models Play StarCraft II: Benchmarks and A Chain of Summarization Approach 最初发表时间：2023.12 arxiv：http...
LLM通常指的是大型语言模型（Large Language Model），这是一种基于深度学习技术构建的模型，能够理解和生成人类语言。LLM通过分析大量的文本数据来学习语言的规律和结构，从而能够进行文本生成、机器翻译、情感分析等多种任务。如果您需要关于LL
Avalon's Game of Thoughts: Battle Against Deception through Recursive Contemplation 论文标题：Avalon'...
很抱歉，您提供的信息RL并不完整，我无法确定您想要表达的具体内容。如果您能提供更多的上下文或者详细信息，我会尽力帮助您。例如，RL可能是机器学习中的强化学习（Reinforcement Learning）的缩写，或者是其他任何需要解释的术语。请提供更多信息
鼓励 agent 探索与当前 episode 历史在到达时间（temporal distance）上较远的状态。...
最近读的 MARL 文章，有哪些策略在多智能体强化学习中的应用？
鸣谢专家提供论文列表。 目录01 MARL 算法[MADDPG] Multi-Agent Actor-Critic for Mixed Cooperative-Competitive Environments[VDN] Value-Deco...
RL | AIR-DREAM Lab 最新论文提出了哪些生成新方法？
一直对这个组的方向很感兴趣，于是速读一下这个组的最新文章。 （这篇笔记仅存档自用。以下论文完全是速读，没有进行任何精读，记录的笔记全都是 给我输入文章摘要 + 框图之后，我输出出来的幻觉，没有什么参考价值；还可能有少量 d...
Skill Discovery | DoDont 是一个概念或游戏，旨在通过一系列的做和不做的指令来帮助玩家发现和练习新技能。以下是一个基于这个概念的示例，使用 do 和 don't：**Skill: Public Speaking****Do:
论文标题：Do's and Don'ts: Learning Desirable Skills with Instruction Videos NeurIPS 2024 poster。 arx...
如何通过LLMCLIP调整dodont权重，引导agent安全探索？
使用 LLMCLIP 模型，输出 statepixel observation 与人类意图的匹配程度，作为 dodont 的加权权重。...
如何用描述状态的嵌入距离为的？
用语义距离 d_lang(x,y) = cos_sim[ l(s_1), l(s_2)] ，来作为 metra 的 1-Lipschitz 约束。...