task diversity | BriefGPT - AI 论文速递

关键词task diversity

搜索结果 - 9

PerAct2: 一个面向双手操作任务的感知器执行框架
扩展 RLBench 以进行双手操作的模拟基准测试，提供 13 项新任务和 23 个独特的任务变体，其中每个任务要求高度的协调和适应性。通过引入多种先进方法和 PerAct2 语言条件行为克隆代理，实现语言处理与动作预测的高效集成，使机器人
PDF5 days ago
从符号任务到代码生成：多样化产生更好的任务执行者
通过合适的指令调整，语言模型在指令 - 输出对的训练上能够更好地适应真实世界；研究发现，提供足够多样化的任务集合能够使其在训练分布之外的情况下具备泛化和鲁棒性，并且扩展调整指令集合能够提高代码生成的性能。
PDFa month ago
视觉指导调整中基于人工标注任务的扩展
通过构建最具多样性的 Vision-Flan 数据集和两阶段指导调优框架，本研究解决了现有 VLM 框架中的任务多样性和注释错误的挑战，并在广泛的多模态评估基准中取得了最新的最佳性能。
PDF5 months ago
基于多臂赌博机的组合多臂赌博机在众感知中的多样性招聘
通过动态调整每轮任务的权重以及采用组合多臂赌博机框架和置信上界方法，本研究提出了一种增强任务多样性、适应任务完成质量差异和有效处理工作者招募预算约束的移动众感知模型，并通过真实数据的模拟和后悔分析证明其有效性。
PDF6 months ago
元学习任务采样学习
通过对不同的元学习方法、任务采样器和少样本学习任务进行实验，本文得出三个结论：首先，没有通用的任务采样策略可以保证元学习模型的性能；其次，任务多样性可能导致模型在训练过程中出现欠拟合或过拟合的情况；最后，模型的泛化性能受到任务差异、任务熵和
PDFa year ago
预训练任务多样性与回归非贝叶斯上下文学习的出现
通过研究预训练数据集中任务多样性的不同，探究在不同任务多样性阈值下，在新的情境下可以有多大能力。结果表明，如果预训练的数据具有足够的多样性，那么可以在新任务中解决问题，但是这种能力依赖于违背 Bayes 最优估计并将 Gauss 先验分布中
PDFa year ago
AAAI元学习中多样性的影响
研究表明，任务分配在元学习者的表现中起着至关重要的作用。传统的智慧认为，任务多样性应该能够提高元学习的性能。然而，本文发现相反的证据。通过实验证据和理论证明，我们发现，将任务分配的多样性降低到一个子集水平，有时的效果甚至更好，并且将任务分配
PDF2 years ago
元学习是否需要支持集多样性？
该论文研究了元学习中支持集构建的影响，发现固定支持集可以提高分类问题中的元学习性能，从而提出了一种简单、通用且具有竞争优势的基线模型用于小样本学习。
PDF4 years ago
迁移学习理论：任务多样性的重要性
本文通过学习不同任务之间共享的特征表示来实现迁移学习，并提出了对于不同任务的样本复杂性的新的理论保证，讨论了任务的多样性和高斯复杂度的新颖链式规则，并应用于几个现今流行的模型。
PDF4 years ago