University of Technology Sydney

3 篇关联报道

订阅更新

Findings of the Association for Computational Linguistics: EMNLP (Findings of EMNLP) 2026年11月2日
检索增强生成拆成三个智能体：TRIO让查询扩展、检索判断与作答各自优化
检索增强生成（RAG，先从外部知识库取回材料再让语言模型作答）常因检索不到位和编造内容而失准。TRIO把这条流程拆成查询扩展、检索充分性判断和作答三个智能体，让每个智能体按各自的奖励信号迭代改进：扩展智能体按答案质量提升获得奖励，判断智能体以一致性投票标注的充分与否为监督，作答智能体用动态匹配奖励配合课程学习训练。多个基准数据集上的实验显示，TRIO相对当前先进方法更有效，代码已公开。
检索增强生成（RAG，先从外部知识库取回材料再让语言模型作答）常因检索不到位和编造内容而失准。TRIO把这条流程拆成查询扩展、检索充分性判断和作答三个智能体，让每个智能体按各自的奖励信号迭代改进：扩展智能体按答案质量提升获得奖励，判断智能体以一致性投票标注的充分与否为监督，作答智能体用动态匹配奖励配合课程学习训练。多个基准数据集上的实验显示，TRIO相对当前先进方法更有效，代码已公开。
University of Wisconsin–Madison Peking University University of Technology Sydney
Yingtao Ren（第一作者）
检索增强生成 TRIO（任务精炼与个体优化）
International ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR) 2026年10月14日
用药推荐不再只给一张药单：先讲清诊断理由，再按每位患者的风险边界开药
RES-MR把用药推荐拆成两步：先让模型生成可核查的诊断推理链，再按每位患者自己的风险边界调整用药，在MIMIC-III上Jaccard比FLAME高7.7%，同时DDI与RIS更低。
University of Technology Sydney Qilu University of Technology Shandong Academy of Sciences
C Wang（第一作者）
大语言模型知识图谱约束临床决策支持知识蒸馏强化学习
arXiv 2026年10月8日
DRIVE 将成功轨迹多样性变为 RL 目标，在仿真与真机上提升 VLA 分布外泛化
作者分析了视觉-语言-动作（VLA）策略的强化学习微调（RFT）如何重塑探索行为，发现 RFT 在整体行为分布收缩的同时使成功轨迹更加多样、更易被采样、覆盖更广的任务有效解空间；据此提出 DRIVE，将匹配任务条件下分组轨迹的时序对齐相似度转化为仅对成功轨迹生效的内在奖励，在 LIBERO-Plus、ManiSkill3、RoboTwin 2.0 上提升分布外成功率，并在双臂 AgileX PiPER-X 平台上将平均分布外成功率从 64.1% 提升到 73.3%。
作者分析了视觉-语言-动作（VLA）策略的强化学习微调（RFT）如何重塑探索行为，发现 RFT 在整体行为分布收缩的同时使成功轨迹更加多样、更易被采样、覆盖更广的任务有效解空间；据此提出 DRIVE，将匹配任务条件下分组轨迹的时序对齐相似度转化为仅对成功轨迹生效的内在奖励，在 LIBERO-Plus、ManiSkill3、RoboTwin 2.0 上提升分布外成功率，并在双臂 AgileX PiPER-X 平台上将平均分布外成功率从 64.1% 提升到 73.3%。
Australian National University Nanjing University Harbin Institute of Technology University of Technology Sydney
Haoru Li（第一作者）
多样性驱动强化学习微调视觉-语言-动作模型全局对齐核基于势函数的奖励塑形近端策略优化

已读完全部报道

检索增强生成拆成三个智能体：TRIO让查询扩展、检索判断与作答各自优化

用药推荐不再只给一张药单：先讲清诊断理由，再按每位患者的风险边界开药

DRIVE 将成功轨迹多样性变为 RL 目标，在仿真与真机上提升 VLA 分布外泛化