hcl的文章

A Survey on Self-Play Methods in Reinforcement Learning

论文要点论文提出了一个统一框架来刻画 self-play（智能体与自身或自身历史版本交互以改进策略）的各种方法，按策略更新机制、对手选择与人口管理、博弈类型（零和/非零和、可转性/非可转性）等维度进行分类，并回顾了代表性算法、应用场景与理论/实践挑战，同时列出了未来研究...

2天前

论文目的系统回顾 “多模态大语言模型 (Multimodal Large Language Models, MLLMs)” 的研究进展 — 即那些不仅处理文本 (text)，还能处理 / 生成图像 (image)、音乐 (music)、视频 (video)、人体动作 (...

1周前 (11-28)

会议：ICML 2025 论文概述随着Transformer架构在自然语言处理、计算机视觉等领域的广泛应用，其计算和内存开销成为了限制其进一步应用的瓶颈，尤其是在长文本或大规模数据集的任务中。本文提出了几种新的Transformer变体，通过优化计算路径和改进注意...

2周前 (11-21)

Y. Hou, J. Zhao, R. Zhang, et al. UAV Swarm Cooperative Target Search: A Multi-Agent Reinforcement Learning Approach[J]. IEEE Transactions...

3周前 (11-15)

四个审稿人全给6分，NeurIPS唯一满分论文炸了！之所以说它炸，主要是论文给出的结论实在太出人意料了—— 真正决定推理上限的是基座模型本身而非强化学习，且蒸馏比强化学习更有望实现大模型自我进化。好家伙，这无异于给正炙手可热的RLVR（可验证奖励的强化学习...

3周前 (11-15)

AGI之路，终于交汇到了世界模型的战场。李飞飞，发布了旗下首款商用世界模型Marble；几乎同一时间，Lecun离职Meta，准备创立自己的世界模型公司；在此之前，谷歌旗下的世界模型Genie 3，也曾掀起业界轰动。 AI界三股大佬力量，虽然同...

3周前 (11-15)

第 33 届 IEEE ICNP 于 2025 年 9 月在韩国首尔召开，本次大会共计 238 篇投稿，录用 60 篇（录用率为 25%）。《Mamba4Net: 蒸馏式混合Mamba大语言模型在网络领域的应用》论文介绍《Mamba4Net: Distilled...

2个月前 (10-11)

摘要分布式边缘计算（DEC）因其在通信延迟、并行计算效率和能耗方面的卓越性能，已成为一种新的计算模式。随着生成式人工智能任务的激增，DEC 对并行计算效率提出了更高的要求。安排多个任务同时处理，而不是逐个处理，可以提高并行效率。多个任务具有多重依赖性，即序列依赖性、属性...

2个月前 (09-29)

Hao Ge (Peking University); Junda Feng, Qi Huang (ByteDance Inc.); Fangcheng Fu (Shanghai Jiao Tong University); Xiaonan Nie, Lei Zuo, Haib...

3个月前 (09-15)

作者:Sudarsanan Rajasekaran (1), Manya Ghobadi (1), Aditya Akella (2) ((1) Massachusetts Institute of Technology, (2...

4个月前 (08-14)