Skip to main content

Skills en este repositorio

ADu2021/skillXiv - Página 23

SkillsMP ha recopilado 1228 skills de ADu2021/skillXiv. Abre una skill para revisar su origen y sus detalles.

ADu2021/skillXiv

Mostrando 40 de 1228 skills recopiladas.

ocupación
Científicos de datos
descripción

Learn to route requests across multiple LoRA adapters using RL-based router training with constant routing weights. Prevents weight collapse and ensures balanced contribution from all selected adapters during inference.

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Perform robust, low-cost model updates via REPAIR: closed-loop feedback, dynamic memory management, and frequent knowledge fusion. Preserve non-target knowledge while achieving 10-30% improvements in editing accuracy. Enable sequential edits without…

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Enable language models to dynamically assign continuous position values to tokens based on contextual relevance instead of fixed linear positions. Implement learnable SwiGLU module extracting position information, integrate with RoPE for end-to-end…

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Training-free token importance metric using representation shifts in MLP layers, enabling efficient compression compatible with fused kernels.

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Dual-scoring mechanism (Magnitude and Stability scores) enabling process-level rewards that penalize inefficient reasoning patterns like overthinking and backtracking without trained reward models. Improve reasoning efficiency in RL without additional…

Idioma del texto original: inglés

actualizado
ocupación
Desarrolladores de software
descripción

Apply software release engineering practices to self-improving LLM agents to achieve stable evolution. AgentDevel uses implementation-blind critique, executable diagnosis, and flip-centered gating to prevent regression while enabling auditable improvement…

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Extract and transfer reasoning abilities using sparse autoencoders (SAE-Tuning) on CoT-free data, achieving RL-equivalent performance at 2000x lower cost and 450x faster training.

Idioma del texto original: inglés

actualizado
ocupación
Analistas de garantía de calidad de software y probadores
descripción

Evaluate large reasoning models under stress by asking multiple problems simultaneously, revealing true multi-tasking capacity and context management. Use to identify robustness gaps invisible in single-problem evaluations and discriminate model capabilities…

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Generative approach for creating complex dynamic scenes and content, supporting agent capabilities in understanding and reasoning about multi-agent environments.

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Enable longer reasoning within bounded context through iterative refinement: generate solution → verify → compress → refine. Achieves +11% on AIME with lower per-call latency than naive chain-of-thought.

Idioma del texto original: inglés

actualizado
ocupación
Desarrolladores de software
descripción

Train LLM agents to evolve by generating dual intrinsic feedback signals—numerical rewards for capability progress and language lessons for future reuse. Combines hindsight reflection with memory-augmented RL using SimUtil-UCB retrieval.

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Convert pretrained non-recurrent language models into depth-recurrent variants through a curriculum of increasing recurrence—decoupling training compute from inference compute and improving performance at given inference budgets on reasoning tasks.

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Develop sophisticated multimodal reasoning through text-centric cold-start initialization, prioritized advantage distillation, and staged RL refinement.

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Control MLLM output characteristics at inference time using separate reward models for precision and recall, enabling dynamic trade-offs without retraining.

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Improve multimodal LLMs on fine-grained visual reasoning tasks (e.g., reading transit maps) by decomposing training into stages: basic perception (VQA) -> simple reasoning -> complex spatial reasoning. Incorporates 'detail rewards' for intermediate visual…

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Advanced computer vision technique for robust spatial understanding in complex scenes, supporting agent navigation and environmental reasoning capabilities.

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Enable robot policies to self-improve through imagination using learned dynamics and value models without physical trial-and-error. Compositional world model separates concerns enabling 35-45% performance gains on contact-rich manipulation.

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Enable simultaneous optimization of environment difficulty, policy, and reward model. System uses reward model evaluations to guide environment adaptation, creating positive feedback loop for scalable agent improvement.

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Correct color distortion in nighttime photos by combining statistical gray-pixel detection with reinforcement learning parameter optimization. Achieves superior cross-camera generalization without extensive labeled nighttime training data through a hybrid…

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Scale LLM training using RL on unlabeled pre-training corpora without human annotation. Derive reward signals directly from text segments to optimize both autoregressive generation and in-context reasoning across knowledge and mathematical domains.

Idioma del texto original: inglés

actualizado
ocupación
Científicos en investigación informática y de información
descripción

Hybrid-policy optimization combining multiple importance sampling and exploration-based advantage functions. Prevents capability boundary collapse while maintaining verification rewards, enabling LLMs to exceed baseline boundaries.

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Extend RL to open-ended tasks using structured rubrics as reward anchors, enabling fine-grained evaluation of subjective outputs without requiring binary correctness signals.

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

RLVR extends reasoning capabilities by proving answer-only rewards implicitly incentivize correct intermediate reasoning via the Logic Prior principle.

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

RL in vision-language models improves inference-time alignment between vision and reasoning in mid-to-late layers, not vision ability or reasoning separately. Strategic layer freezing enables diagnosis of which components contribute to RL gains.

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Train reasoning models to discover diverse solution strategies through two-player RL that jointly optimizes abstraction generation and solution derivation. Use when exploring multiple reasoning approaches is preferable to single-strategy depth.

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Train LLMs to discover domain-specific abstractions (concise representations of procedural and factual knowledge) through two-player RL. An abstraction generator proposes key insights, a solution generator uses them to solve problems, and both receive RL…

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

RLAD performs selective distillation during RL, using trust-region ratio objectives to balance exploration, exploitation, and teacher guidance for efficient reasoning model training.

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Use reinforcement learning to identify reasoning-critical attention heads and apply selective KV cache compression, reducing cache by 20-50% while preserving reasoning quality. Maintains speedups up to 1.21x with minimal performance loss.

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Improve reasoning during pretraining (not just post-training) by computing rewards from information gain—how much reasoning improves log-likelihood of observed tokens. Works at 1T token scale across diverse corpora.

Idioma del texto original: inglés

actualizado
ocupación
Científicos en investigación informática y de información
descripción

Integrate reinforcement learning into the pretraining phase by measuring the utility of intermediate reasoning for predicting subsequent tokens. This approach generates dense reward signals during standard pretraining, enabling models to develop reasoning…

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Scale RL training for language models by automatically adapting problem difficulty to match model capabilities using verifiable reward environments—achieving 3.37% absolute improvement on reasoning benchmarks through environment diversity rather than compute…

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Overcome reward function design challenges via General Reward Model (GRM) for step-wise progress assessment. Uses multi-view observations for occlusion robustness, hop-based progress normalization, Policy-Invariant Reward Shaping—enabling 95% robot task…

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Brain-inspired framework integrating spatial, temporal, episodic, and semantic memory systems for embodied agents. Achieves 26.5% performance improvement via dynamic spatial knowledge graphs and closed-loop planning with critic modules.

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Generate physically plausible robot manipulation videos by jointly learning RGB generation, temporal depth prediction, and keypoint dynamics. Enables training manipulation policies on synthetic data with strong correlation to simulator performance.

Idioma del texto original: inglés

actualizado
ocupación
Científicos en investigación informática y de información
descripción

Train vision-language models for robotic manipulation using RL to improve embodied reasoning about spatial relationships and movements, achieving 31% improvement on manipulation benchmarks.

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Generate synthetic robot manipulation data via diffusion models using visual identity prompting from exemplar images. Improve multi-view temporal coherence and scalability for robot policy training without extensive real-world data collection.

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Enable MLLMs to handle visually degraded images by explicitly reasoning about degradation types and severity. Trains models to perceive degradation parameters, analyze semantic impact, and reconstruct interpretations while adapting reasoning depth to…

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Compress language models by formulating heterogeneous layer-wise allocation as a constrained knapsack problem. Measure per-layer compression error, solve via dynamic programming to minimize total error within target model size, and avoid pathological…

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Advanced reasoning approach for optimizing inference efficiency through meta-cognitive planning, enabling agents to make better decisions with reduced computational overhead.

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Train efficient 14B-parameter agents via GRPO with resample-on-correct rollout strategy and Python code execution, achieving state-of-the-art reasoning through autonomous exploration and iterative refinement

Idioma del texto original: inglés

actualizado
Mostrando 40 de 1228 skills recopiladas.