跳到正文
AI NEWS JOURNAL
AI, IN PERSPECTIVE

搜索 AI 资讯

检索标题、摘要与正文,把分散的信息连起来。

按发布时间排序

用于公平深度伪造检测的交叉性不变学习

arXiv:2610.37881v1 发布类型:新 摘要:深度伪造检测模型虽然整体准确率较高,但在不同人口统计群体之间却表现出显著的性能差异,导致某些群体的假阳性率远高于其他群体。现有的公平性感知方法通过约束模型输出以实现各群体预测的一致性来应对这一问题,但并未解决潜在的特征层面偏见。因此,这些模型仍可能依赖于诸如皮肤纹理等人口统计学特征作为检测篡改内容的间接线索。为了解决这一问题,我们提出了交叉性不变学习(IIL)框架,该框架着重改进特征学习,而非仅仅调整模型输出。IIL通过交替识别最具挑战性的群体划分

事件进展与其他报道

参数化会话状态:无需重放历史即可恢复检索意图

arXiv:2610.33047v1 发布类型:新 摘要:长期运行的智能助手常常需要理解那些其指代对象、约束条件以及主动目标早在多轮对话前就已经确立的后续请求。因此,核心挑战不仅在于上下文长度,还在于检索意图:例如,当前查询“使用之前的配置”可能遗漏了用于定位相关证据所需的项目、实体和版本等关键术语。长上下文模型可以通过重放交互过程来恢复这些术语,但同时也需反复承担处理历史信息的开销。传统的检索增强生成(RAG)方法成本较低,却假定查询本身已包含充分的信息;而对话式改写要么重新读取历史,要么依赖于显式维护的文本记忆。我们提出了\emph{参数化会话状态}

事件进展与其他报道

PPO 与 SAC:双臂空间机器人协作运动控制的比较研究

arXiv:2610.32034v1 发布类型:新 摘要:随着轨道碎片数量的不断增加,人们对主动清除碎片和在轨服务的兴趣日益浓厚。与单臂系统相比,双臂空间机械手能够在抓取稳定性和载荷分布方面提供更优的性能。然而,在存在臂间碰撞规避、姿态对齐以及传感不确定性的情况下,协调两台机械手仍是一项极具挑战的任务。本文针对具有臂间碰撞规避约束的目标到达任务,提出了一种用于双臂空间机械手协同运动规划的协调强化学习框架。该框架采用一种集中式状态表示,融合了关节空间、末端执行器以及目标相对位置等信息;同时,设计了一种多目标奖励函数,以促进目标达

PPO vs. SAC: A Comparative Study for Cooperative Motion Control of Dual-Arm Space Robots
事件进展与其他报道