在加强学习过程中，通过采取行动并观察下一个状态和奖励，代理人与环境互动。当概率地采样时，这些状态转变，奖励和行动都可以在观察到的长期回报中诱导随机性。传统上，加强学习算法在这种随机性上的平均值以估计价值函数 ...

我们介绍了一个全栈框架，该框架将视觉模型（VLM）中的推理扩展到了长时间的视频，从而利用了强化学习。我们通过整合三个关键组件来应对长期视频推理的独特挑战：（1）一个大规模的数据集，Longvideo-Reseason，包括52K长的视频QA对，具有高质量的推理注释，包括体育，游戏和Vlogs等各种领域； （2）一条两阶段的培训管道，通过经过经过经过经过监管的链条的微调（COT-SFT）和增强学习（ ...

教学调整已成为解锁大规模预认证模型并提高其在复杂任务上的性能的基础。因此，高质量指导数据集的构建对于增强模型性能和推广性至关重要。尽管当前的指令数据集已达到数千万个样本，但对其进行了修补的模型仍可能在稀有域中的复杂说明后面和任务困难 ...

Large Language Models (LLMs) have become an essential infrastructure for Artificial General Intelligence (AGI), yet their lack of well-defined memory management systems hinders the development of long ...

我们介绍了Jukebox，该模型在原始音频域中生成音乐。我们使用多尺度的VQ-VAE来处理原始音频的长篇小说，以将其压缩到离散代码，并使用自动回归 Transformer 进行建模。我们表明，大规模的组合模型可以产生高保真和多样的歌曲，并连贯多达几分钟 ...

最近的进步强调了大语言模型（LLM）在财务决策中的潜力。尽管取得了进展，但该领域目前遇到了两个主要挑战：（1）缺乏适应各种财务任务的全面LLM代理框架，以及（2）缺乏标准化基准和一致的数据集来评估代理性能。为了解决这些问题，我们介绍了\ textsc {InvestorBench}，这是第一个专门设计用于评估不同财务决策环境中基于LLM的代理商的基准 ...

随着扩散模型的兴起，音频视频产生发生了革命。但是，大多数现有的方法都依赖于每种模式的单独模块，并且对统一生成架构的探索有限。此外，许多人仅限于单个任务和小规模数据集 ...

这项研究旨在通过利用预先训练的单模式生成模型来构建一种具有最低计算成本的音频视频生成模型。为了实现这一目标，我们提出了一种新颖的方法，该方法指导单模模型在跨模态跨模式合作生成良好的样本。具体而言，在两个预训练的基础扩散模型的情况下，我们训练一个轻巧的关节指导模块，以根据基本模型分别估计的分数，以匹配音频和视频上关节分布的得分 ...