ScaleVLA:552B VLMを凍結し行動DiTで動かすロボット基盤モデル
ScaleVLAは、552BのMoE VLM(DeepSeek-V4.1-Flash-1017)を凍結し、学習可能な行動DiTで連続行動チャンクを生成するロボット基盤モデルです。
ScaleVLAは、552BのMoE VLM(DeepSeek-V4.1-Flash-1017)を凍結し、学習可能な行動DiTで連続行動チャンクを生成するロボット基盤モデルです。
本論文は、再起動・改変できない稼働中PyTorch/CUDAプロセスに非改変デバッガを接続し、割当ログから残差ストリームを盲目的に選んでVRAMのバイトを読む手法を示す。
K2-Horizonは0.9B〜375B-A23Bの6モデルを、重み・中間チェックポイント・データ・コードまで公開する取り組みです。
JVTは、事前学習済み自動エンコーダやU-Net型スキップ、カスケード、追加ディテイラなしで、画素空間の動画拡散をシンプルなDiT型Transformerで行う手法です。
スペイン語話者が、Googleオートコンプリート由来の性別バイアス文と人手作成の非バイアス文を評定した実験。一部がAI生成だと伝えても、同意評定と反応時間に大きな変化はなかった。一方、由来表示がない場合、AI生成バイアス文は人手非バイアス文より同意が低かった。RAG固有の検証ではない点に注意。
Gamerは、画面ピクセルを入力に標準キーボード・マウス操作を直接出力する汎用ゲームエージェントです。数万時間規模の端末操作軌跡で継続事前学習し、疎思考の指示チューニングとTA-GRPOで長期間タスクを安定化。
固定プロンプトの確率的デコードを内側、意味を保つプロンプト摂動を外側とする二段階アンサンブルで、生成文の埋め込み共分散をプロンプト内変動(AU)と摂動間変動(EU)に分解するブラックボックスUQ。
DiSPaTは、正常な表形式データだけを使い、LLMが生成したサンプルを擬似異常として自己遊びで対比し、fダイバージェンス最小化で正常分布への近さを反復改善する教師なし異常検知手法です。推論は負の対数尤度でスコア化し、原論文は既存LLM・深層・古典手法より良いと報告します。
本論文は、ロボットをタスク専用ポリシーの集合ではなく、基盤モデルと実行基盤(Embodied S2)が意図解釈・スキル/ツール編成・結果検証・適応を回すエージェント型システムとして捉える枠組みを提示する。
凍結した汎用LLMにOpenQASM 3の回路とPauli分解したハミルトニアンを渡し、回路パラメータ全体を生成させる検証。一般ハミルトニアンではAdamよりエネルギー誤差が大きく、追加のエネルギーFBも改善は限定的。