@_akhaliq: GEM 生成式监督助力具身智能
摘要
GEM 引入了一种生成式监督方法，通过利用生成模型进行训练来提升具身智能。
GEM
生成式监督助力具身智能 https://t.co/IlGPbxkwHS
查看缓存全文
缓存时间: 2026/05/29 01:32
GEM
生成式监督助力具身智能 https://t.co/IlGPbxkwHS
相似文章
生成作为辅助监督：通过解耦嵌入预测以零推理开销增强视觉理解
GAS 引入了一种生成引导的训练框架，通过解耦的混合Transformer架构，使用辅助生成任务来提高多模态模型中的视觉理解，且无推理开销。
生成学习作为提升情感身体运动表达感知的工具
本文研究使用基于Transformer的生成模型从日本演员的动作捕捉数据中学习情感身体运动，生成基于离散情感标签的运动。评估表明，生成的运动在用于数据增强时能提升情感识别性能，并实现情感强度间的平滑过渡。
从生成视角探索空间智能
研究者推出首个量化多模态模型生成式空间智能的基准 GSI-Bench，通过在图像生成过程中评估 3D 空间约束遵守情况来衡量能力。在合成数据集上微调可显著提升空间编辑保真度与下游空间理解，证明生成式训练能增强空间推理。
Gemma 4 发布：前沿多模态智能，端侧可用
Google DeepMind 发布 Gemma 4，这是一系列前沿多模态模型，已在 Hugging Face 上以 Apache 2 协议开源，针对端侧部署进行了优化，并支持多种推理框架。
介绍 Gemini 的代理式视频理解
Google DeepMind 为 Gemini 模型推出代理式视频理解功能，可将令牌消耗减少高达88%并提升视频分析的准确性。