具身智能arXiv cs.RO4 天前
Causal Analysis of Robot Foundation Models Enables Efficiency Gains
研究对三个前沿视觉-语言-动作（VLA）模型做机制性因果分析，发现动作专家仅通过中后段少量交叉注意力层（动作条件接口）接收关键信息，且物体选择与空间信息分层存储。据此将 MolmoBot 的条件层从 36 层减至 3 层，推理 FLOPs 降 33%，3000 次评测成功率基本持平，并已在真机部署验证。
AI 与各行业落地的前沿信号寻行业之脉
寻行业之脉
接真实之需
每日自动追踪全球权威信源，模型生成中文摘要与有效期判断，人工抽检把关。 不追热点，只留经得起推敲的那一部分。
249
累计条目
0
今日新增
12
权威信源
采集中每日 02:00 · UTC+8
L1 摘要
全量
L2 深度
0
人工抽检
每日
按领域浏览
AI 与可被 AI 赋能的行业方向，每个领域独立成脉
筛选结果
共 3 条符合条件
当前筛选#efficiency×
大模型arXiv cs.CL4 天前
Verdict: Encode Once, Decide Many
Verdict-MQ 提出一种共享状态编码器：对同一份输入只编码一次，用结构化注意力掩码让状态表示与问题无关、问题之间互不影响、选项顺序无关，从而一次回答多个类型化决策问题。395M 模型在类型化决策基准上优于 421M 专用模型，但 RACE/BoolQ 上不及微调基线。
大模型arXiv cs.AI4 天前
LEV: Thinking Fast and Deep with Looped Decision Models
LEV 是一种循环决策模型，通过重复运行层而非生成 token 来加深推理，单次前向即可对选项打分。同一权重下精度随循环深度提升，2.6B 模型在 JevBench 上从深度1的63.2%升至深度4的76.2%，并用小型停止器按需分配深度，节省15%-24%算力。
已过时译