标签
Cascade 是一个用于大语言模型遗忘的分层框架，通过多层控制最小化可恢复性，在保持效用的同时减少中间表示中的残留知识，从而改进了现有方法。
DiDrive是一种用于自动驾驶安全离线强化学习的风险感知分层扩散框架，通过集成表示学习和分布校正优化，提升复杂交通场景中的性能。
本文提出SIGMA，一个用于协作多智能体强化学习的层次化协作框架，通过基于密度的分组和聚合方法，利用协作结构在噪声观测下学习鲁棒表示。
本文研究了大语言模型在算法交易中母单执行的应用，提出了层次化框架PACE，在深圳证券交易所数据上优于传统基线，并表明大语言模型可以补充人类交易员。
提出了HRO，一种由大型语言模型驱动的层次化框架，用于零样本物体目标导航，模拟人类从粗到细的空间推理，在Gibson和HM3D数据集上实现了卓越的成功率和泛化能力。
Wan-Dancer 提出了一种层次化框架，用于从音乐生成分钟级别的连贯舞蹈，解决了长时间编舞生成的挑战。
Wan-Dancer 是一个分层框架，用于从音乐生成长时间、连贯的舞蹈视频，模型权重和推理代码已在 Hugging Face 上发布。
3D HAMSTER利用带深度编码的视觉-语言模型生成用于点云控制的三维轨迹，从而增强机器人操作能力，其表现优于二维引导的基线方法。
本文介绍了Tree of Evidence (ToE)，一种利用强化学习动态检索和聚合多源证据的分层可解释声明验证框架。实验表明，与基线相比，性能提升4至24个百分点，尤其是在面对生成引擎优化（GEO）的对抗性投毒输入时。
TrajGenAgent提出了一种分层LLM智能体框架，将宏观活动规划与微观时空实例化解耦，用于无需微调即可生成逼真的人类移动轨迹。它还引入了一种基于异常检测的评估方法，用于行为保真度。
本文介绍了HieraRAG，这是一种用于确定RAG基准最优粒度的层次化框架。它生成了跨三个维度的5,872个合成问答对，并发现理想粒度因维度而异，为从业者提供了一种可移植的程序。