LoRA为何学不会多步流程

LoRA能把话说完，却常走错流程：省下的参数，可能正是复杂办事能力的代价。

深度专题 FEATURES — 2

PAPER

世界模型不只要会生成，还要像游戏一样能存档、分叉并原样续演。

PAPER H 35

把不同模型的切词方式对齐到字节层，让大模型跨家族教会同一个小模型。

速览 BRIEFS — 9

PAPER

先少量试答，再把算力追投给更有学习价值的题目，最高省下约57%轨迹。

H 19

PAPER

异步强化学习跑得快，却会混入旧策略数据；ESTR按模型犹豫程度动态划定安全范围。

PAPER

预测得准未必懂因果：动作覆盖不足时，世界模型可能学错可控规律。

H 3

PAPER

HiKV把KV缓存分两层筛选，并用专用硬件缓解长上下文解码的显存瓶颈。

H 40

PAPER

一篇综述为机器人“过程奖励”搭框架，也提醒：任务做得更好，不等于进度判断更准。

H 28 · HF 115

PAPER

先把机械臂的运动渲染出来，再让世界模型专心预测环境如何响应。

PAPER

新增技能既会救回任务，也会弄坏旧能力；只看平均分，会漏掉这笔“退化税”。

PAPER

Agent不改底座参数，也能把部署反馈写成经验，供下次任务调用。

H 6

PAPER

四旋翼实验提示：GRPO能否学会连续控制，关键可能不在奖励，而在动作接口。