跳到正文
热点事件持续更新

新加坡国立大学提出HINT-WAM后训练框架

1 篇报道1 个报道来源6 小时前更新

先了解这件事

AI 综述

新加坡国立大学提出HINT-WAM框架,用演示视频提供事后监督,通过策略自蒸馏后训练世界动作模型(WAM),无需环境奖励或仿真器交互。 该方法让学生模型沿自身去噪轨迹生成动作,以示范未来视频作为教师条件,再通过能量分数将教师蒸馏至流匹配动作专家。实验显示,其在LIBERO-90新任务和RoboTwin 2.0等套件上的成功率显著高于行为克隆控制与全量监督微调。

AI 根据报道生成 · 5 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. AGI Hunt
    HINT-WAM:用演示视频进行事后监督,在策略自蒸馏世界动作模型

    新加坡国立大学提出 HINT-WAM,以演示视频作为事后信息,通过在策略自蒸馏后训练世界动作模型(WAM)。学生模型沿自身去噪轨迹生成动作,以示范未来视频为教师条件,并用能量分数将教师蒸馏至流匹配动作专家,无需环境奖励或仿真器交互;在 LIBERO-90 新任务、RoboTwin 2.0 等套件上的成功率显著超过 BC 控制与全量 SFT。

本事件热度走势

可比范围当前
9
可比范围峰值
1011月19日 17:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。