utworzone przez Redakcja | cze 30, 2026
Badacze opracowali framework MER-R1 oparty na uczeniu przez wzmacnianie, który łączy szybkie i wolne myślenie w rozpoznawaniu emocji multimodalnych. Odkryto, że szybkie myślenie poprawia czułość, a wolne – precyzję, co pozwala na ich wzajemne uzupełnianie...
utworzone przez Redakcja | cze 15, 2026
Naukowcy proponują framework UP-NRPA, który wykorzystuje duże modele językowe do dynamicznego dostosowywania strategii dialogu na podstawie cech użytkownika w czasie rzeczywistym. Metoda eliminuje potrzebę offline'owego uczenia przez wzmacnianie, reagując na...
utworzone przez Redakcja | maj 29, 2026
Naukowcy zaproponowali nowe algorytmy BA-TDC i BA-TDRC, które poprawiają stabilność uczenia temporal-difference w ustawieniach off-policy poprzez zastąpienie macierzy pomocniczej macierzą Bellmana opartą na zachowaniu agenta.
utworzone przez Redakcja | maj 29, 2026
Naukowcy zaproponowali metodę STHTD-MP, która ulepsza gradient temporal-difference learning poprzez zastosowanie macierzy Bellmana polityki zachowania jako metryki geometrii aktualizacji. Podejście zapewnia szybszą zbieżność przy zachowaniu stabilności.
utworzone przez Redakcja | maj 27, 2026
Badacze pokazują, że obecne metody trenowania agentów dialogowych opartych na LLM są fundamentalnie ograniczone przez przesunięcie dystrybucji kontekstu, które narasta kwadratowo wraz z liczbą tur rozmowy. Proponują kalibrowane interaktywne RL z wyrównanym symulatorem...
