MIT研发UQ-DAAAM系统修正机器人记忆错误
MIT研发UQ-DAAAM系统,通过量化不确定性修正机器人记忆错误。该系统对比多视角描述以识别不可靠条目并自动修复,旨在提升机器人在复杂任务中的表现,确保物理AI安全部署。
共 4 篇相关文章
MIT研发UQ-DAAAM系统,通过量化不确定性修正机器人记忆错误。该系统对比多视角描述以识别不可靠条目并自动修复,旨在提升机器人在复杂任务中的表现,确保物理AI安全部署。
GPT与Gemini拒绝判断性取向,却生成刻板印象图像。独立分类器证实83%至88%的修改图存在可检测偏差,模型还据此输出符合社会成见的职业描述。
Liquid AI发布VLM草稿模型DSpark。该方案仅增加280M参数,在设备端实现最高3.13倍解码加速,支持llama.cpp等主流框架,以低内存开销显著提升推理速度。
KAIST发布CURE技术,让端侧AI复用知识。该机制通过本地存储特征摘要,使服务器调用率平均降低55.61%,端到端运行速度提升至非累积基线的2.8倍,有效缓解设备算力不足与云端依赖问题。