标签
DroneWAM是一种用于无人机视觉导航的高效世界行动模型，采用基于JEPA的架构直接在表示空间中建模未来状态，从而降低计算成本。它引入了自适应展开以有效分配预测深度，并在模拟的DroneNav-6D数据集上实现了最佳轨迹精度。
本文提出了CERO，一种用于LLM强化学习后训练的跨轮次自适应展开优化方法。该方法利用贝叶斯后验方差，在提示和轮次之间分配固定的展开预算，以最大化样本效率，实现了理论遗憾界，并在数学推理任务上优于GRPO。