AI在线 AI在线

深度强化学习

突破高分辨率图像推理瓶颈，复旦联合南洋理工提出基于视觉Grounding的多轮强化学习框架MGPO

突破高分辨率图像推理瓶颈，复旦联合南洋理工提出基于视觉Grounding的多轮强化学习框架MGPO
本文的主要作者来自复旦大学和南洋理工大学 S-Lab，研究方向聚焦于视觉推理与强化学习优化。 先进的多模态大模型（Large Multi-Modal Models, LMMs）通常基于大语言模型（Large Language Models, LLMs）结合原生分辨率视觉 Transformer（NaViT）构建。 然而，这类模型在处理高分辨率图像时面临瓶颈：高分辨率图像会转化为海量视觉 Token，其中大部分与任务无关，既增加了计算负担，也干扰了模型对关键信息的捕捉。
7/21/2025 1:14:00 PM
机器之心
控制成本降低150%，用于微型反应堆的强化学习模型

控制成本降低150%，用于微型反应堆的强化学习模型
编辑丨@在能源危机的当下，核能，或者说，微型核反应堆（后称核微反应堆）凭借规模化优势，成为了当下可再生能源的一大重要供应来源。 通常来说，核微反应堆的经济可行性取决于通过自主控制技术降低成本，尤其是这些反应堆与其他能源系统协同运行的时候。 密歇根大学研究人员领导了一项研究，探讨了深度强化学习（RL）模型在微反应器实时鼓控制中，特别是在负荷跟随场景中的性能。
7/7/2025 6:44:00 PM
ScienceAI
  • 1