@MSFTResearch：会“跑题”的大模型，零样本就能上岗的机器人，为不均衡数据而生的扩散模型，这就是……

X AI KOLs Following 2026/04/20 16:34 论文

llm-dialogue zero-shot-robotics imbalanced-diffusion iclr-2024

摘要

微软研究院精选 ICLR 论文：大模型在对话中失去连贯性、零样本机器人学习、面向不均衡数据的扩散模型。

会“跑题”的大模型，零样本就能上岗的机器人，为不均衡数据而生的扩散模型。本期 Research Focus 带你速览 ICLR 亮点。https://msft.it/6017vB2nT

查看原文

相似文章

X AI KOLs Timeline

Microsoft Research 和 Salesforce 发布的新论文揭示，由于“迷失于对话”（Lost in Conversation）现象，LLM 在多轮对话中的性能显著下降，这对当前单轮基准测试的可靠性提出了挑战。

X AI KOLs Following

微软研究院重点介绍了关于使用SocialRL进行小型语言模型谈判、PazaBench V2用于非洲语言语音评估、EvoLib帮助智能体从经验中学习、改进的A/B测试方法以及AI驱动的精准肿瘤学的新研究。

X AI KOLs Following

微软研究在微软研究论坛虚拟系列中宣布了新的工具、模型、仓库和论文，包括MagenticLite、智能体驱动的GitHub工作流、验证优先的智能体以及语义匹配微调。

X AI KOLs Following

微软研究院在ICML 2026上的亮点包括Fara 1.5计算机使用智能体系列、抗批评基准测试、通过FLIP2扩展的蛋白质机器学习基准测试以及改进的大语言模型推理稳定性，共有超过100篇论文被接收。

X AI KOLs Following

微软研究院推出EvoLib，这是一个框架，使LLMs能够在推理过程中从自身经验中持续学习，通过提取可复用的技能和洞察，无需模型更新或外部标签。