Nowe badania pokazują, że kwantyzacja NVFP4 modeli VAE używanych w world action models może drastycznie obniżyć skuteczność polityk akcji – w testach LIBERO wskaźnik sukcesu spadł z 95,5% do 10,5%, mimo zachowania wysokiej jakości rekonstrukcji wideo.
Wyobraź sobie robota, który świetnie "widzi" i rozumie świat, ale nagle zapomina, jak się w nim poruszać. Dokładnie coś takiego odkryli badacze pracujący nad kwantyzacją modeli VAE w systemach uczenia robotów: agresywna kompresja modelu może sprawić, że wideo wygląda niemal identycznie jak przed optymalizacją, a mimo to wskaźnik skuteczności polityk akcji spada z 95,5% do zaledwie 10,5%. To nie jest drobna korekta, to przepaść.
I tu pojawia się niewygodne pytanie: jeśli tradycyjne metryki jakości obrazu nie wykrywają tak katastrofalnej degradacji działania, to czy w ogóle mierzymy właściwą rzecz, optymalizując modele AI pod kątem wydajności?
To streszczenie zostało przygotowane przy pomocy narzędzi AI na podstawie źródła. Pełną treść znajdziesz w oryginalnym artykule.
Co o tym myślisz?
Zaloguj się, aby dołączyć do dyskusji.
Zaloguj się do dzis.ai
Komentuj, zachowaj swoją passę, dołącz do dyskusji.
G Kontynuuj z Google