PEVA: Vorhersage egozentrischer Videos aus Ganzkörperaktionen

Forscher von BAIR (Berkeley KI) stellen PEVA vor, ein Modell, das egozentrische Videobilder aus menschlichen Ganzkörperaktionen vorhersagt. Es verwendet einen autoregressiven konditionalen Diffusionstransformer, der auf dem Nymeria-Datensatz trainiert wurde, und ermöglicht atomare Aktionssynthese, kontrafaktische Simulation und lange Videogenerierung. PEVA kann auch für visuelle Planung durch Optimierung von Aktionssequenzen eingesetzt werden.

Berkeley Artificial Intelligence Research (BAIR)

GSPO: Skalierbares Reinforcement Learning für Sprachmodelle

Alibaba Qwen schlägt Group Sequence Policy Optimization (GSPO) vor, einen neuen RL-Algorithmus, der Instabilitäten in bestehenden Methoden wie GRPO adressiert. GSPO verwendet sequenzbezogene Optimierung, um Trainingseffizienz, Stabilität und Kompatibilität mit Mixture-of-Experts-Modellen zu verbessern und trägt zur Leistung der Qwen3-Modelle bei.

Alibaba/Qwen