KAIST与RLWRLD开源FRED自蒸馏方法
热点事件持续更新
KAIST与RLWRLD开源FRED自蒸馏方法
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
KAIST与RLWRLD提出并开源FRED自蒸馏方法，用纯噪声一步预测未来表征，以提升世界动作模型（WAM）的单步未来视频表征质量。 该方法强化了长程和分布外任务中的零样本泛化；在人转机器人技能迁移实验中，成功率达到50.0%，高于最强对比WAM的19.4%。相关代码和模型已发布至GitHub与Hugging Face。
AI 根据报道生成 · 1 小时前更新
最新进展10月23日 13:17
KAIST 与 RLWRLD 以自蒸馏改进 FRED 世界动作模型，人转机器人技能成功率升至 50.0%报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- AGI HuntKAIST 与 RLWRLD 以自蒸馏改进 FRED 世界动作模型，人转机器人技能成功率升至 50.0%
KAIST 与 RLWRLD 提出 FRED，通过自蒸馏从纯噪声一步预测未来表征，提升世界动作模型（WAM）的单步未来视频表征质量。该方法在长程与分布外任务中强化零样本泛化，人转机器人技能迁移成功率达 50.0%，最强对比 WAM 为 19.4%，代码与模型已在 GitHub 和 Hugging Face 开源。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。