online training | BriefGPT - AI 论文速递

关键词online training

搜索结果 - 12

BPO：通过遵守行为近度增强在线偏好学习 LLM
在线偏好优化（BPO）是一种特定的在线 DAP 算法，通过与行为语言模型（Behavior LLM）接近，在训练 LLM 的同时提高对人类参考文本的性能。
PDF16 days ago
从单一视频流在线连续学习视频扩散模型
本研究介绍了通过在连续视频流中训练扩散模型的可行性，并通过引入两个新的持续视频生成建模基准数据集 —— 终身弹跳球和 Windows 95 迷宫屏幕保护程序，证明了扩散模型可以通过经验重放在线有效地训练，其性能与使用相同梯度步数训练的独立同
PDFa month ago
独立学习个性化竞争行为的对比强化学习优化
在这篇论文中，我们提出了一个由三个神经层组成的新颖模型，用于学习竞争性游戏的表示、对特定对手策略的映射以及如何打乱对手。通过在线训练和对比优化的组合损失，我们的模型在 Pokemon 对战和四人竞技帽子师傅卡牌游戏中取得了较好的性能，尤其是
PDF9 months ago
FastRLAP: 基于深度 RL 和自主练习的高速驾驶学习系统
使用增强学习的方法，我们开发了一个系统，让自动驾驶小型遥控车在现实世界中进行训练，实现了强有力的导航能力以及避免障碍物碰撞的技能，其在线训练不到 20 分钟即可实现自动驾驶。
PDFa year ago
脉冲神经网络的在线时域训练
本文提出了一种称为 OTTT 的 SNN 在线训练方法，通过跟踪神经前体活动和利用瞬时损失和梯度来实现向前的时间学习，并理论分析证明了 OTTT 的梯度能够在前馈和递归条件下提供与基于脉冲表示的梯度相似的下降方向，同时避免了 BPTT 对
PDF2 years ago
基于深度学习的非正交下行链路 successive interference cancellation
该研究提出了一种基于深度学习技术的 SIC 检测器，命名为 SICNet，它通过使用深度神经网络，通过软信息推断干扰符号，而不是像经典 SIC 那样使用硬决策解码器，因此，SICNet 在不需要先验知识的情况下可靠地检测了非正交系统下向下链
PDF2 years ago
神经定理证明的超树式证明搜索
我们提出了一种基于 Transformer 的自动定理证明器的在线训练过程，并使用 AlphaZero 的新型搜索算法 HTPS。我们通过在线训练从以前的证明搜索中学习，使其可以概括到远离训练分布的域。通过研究逐渐复杂的三个环境的性能，我们
PDF2 years ago
Tianshou: 一个高度模块化的深度强化学习库
本文介绍了 Tianshou，这是一个高度模块化的 Python 库，使用 PyTorch 作为其后端，旨在提供灵活可靠的深度强化学习算法基础设施，支持在线和离线训练，具有统一接口，并通过 MuJoCo 环境的基准测试证明了其可靠性。
PDF3 years ago
ICLR模糊平铺激活：一种在线学习稀疏表示的简单方法
本文介绍了一种通过构造稀疏表示的激活函数，防止神经网络中的干扰和噪音，并探究其在在线学习和深度强化学习中的应用。该函数能在大多数环境下进行稳定策略学习，无需目标网络。
PDF5 years ago
使用 8 位整数训练高性能和大规模深度神经网络
本文提出了一种名为 WAGEUBN 的统一完整量化框架，可将神经网络的数据路径（包括所有数据类型 W，A，G，E，U 和 BN）中所有数据转换为低位整数以实现全面量化和在线训练，并在 ImageNet 数据集上获得了可比较的精度，展示了在大
PDF5 years ago
适用于训练递归神经网络的在线学习算法统一框架
提出了一个关于递归神经网络在线训练的紧凑结构，其中根据多个标准对算法进行组织：过去与未来朝向，张量结构，随机与确定性，以及闭合形式与数值。测试在两个合成任务上的表现表明，表现根据标准聚集。
PDF5 years ago
OIL: 观测模仿学习
提出了一种支持在线训练和自动选择最佳行为的新型模仿学习变体 ——OIL，应用于自动驾驶和无人机比赛的挑战性问题，使用 Sim4CV 仿真器进行大量合成训练数据的生成和在线学习和评估，并使用感知网络来预测路点和 OIL 来训练控件预测网络。实
PDF6 years ago