跳到主要内容
检索

# 自适应推演

2 篇关联报道

订阅更新
  1. arXiv

    FastRL 以优势感知剪枝与自适应采样为 GRPO 类方法带来约 2.07 倍训练加速并提升约 1.64% 平均准确率

    该工作提出 FastRL，一个可即插即用的强化学习框架，通过优势感知剪枝策略选择性保留高优势轨迹并最大化轨迹间梯度多样性，以及基于历史剪枝分布动态调整采样规模的自适应 rollout 采样机制，在 Geometry3K 与 GeoQA8K-R1V 上实现平均 2.07 倍训练加速，并在视觉推理基准上取得约 1.64% 的平均准确率提升，且可无缝集成到 GRPO、DAPO 与 GSPO 变体中。

    Jinan UniversityGuangdong University of Education
    Jiahua Yang（第一作者）
    FastRL优势感知剪枝自适应推演组相对策略优化视觉推理
  2. arXiv

    DroneWAM 用 JEPA 潜空间预测与自适应 rollout 把无人机视觉导航的推理延迟降到 483 毫秒，并让闭环进度从 0.510 升到 0.774

    该工作提出 DroneWAM，一种面向无人机视觉导航的高效世界-动作模型：它用 JEPA 式架构在表示空间直接预测未来状态、用预训练 Resampler 把稠密编码器特征压缩为更少潜 token、并用偏好训练得到的 Gate 按场景自适应分配预测深度，同时构建了含同步 RGB 观测、6-DoF 飞行轨迹、控制指令与随机风扰的仿真数据集 DroneNav-6D；在 DroneNav-6D 上取得所比较方法中最好的轨迹精度，自适应 rollout 把平均预测深度从 8 降到 4.58 并同时提升轨迹精度。

    Nanjing UniversityHohai UniversityShanghai Jiao Tong UniversityEast China Normal UniversitySoutheast UniversityMinistry of Water Resources of the People's Republic of China
    Liang Yao（第一作者）
    DroneWAMDroneNav-6D自适应推演联合嵌入预测架构无人机视觉导航

已读完全部报道