AI 搜索

带引用 · 可溯源

先用站内已采集内容作答；站内不足时联网检索，每条结论都给出来源链接

大家都在搜：vLLM12 agent10 alignment10 fine-tuning10 multi-agent10 post-training10 pretraining10 training10

AI 答案

资料有限基于 3 条来源 · 引用可点击溯源

现有资料不足以回答该问题。用户问题所问的是「论文1与现有自主恢复方法在『在线行动 vs 离线规划轨迹』上的差异」，但资料1的主题是 DK-VLM 视觉语言模型的空间推理增强，其摘要中并未涉及任何「自主恢复」「在线行动」或「离线规划轨迹」的内容1；资料2讨论垂直切片 Wasserstein 距离这一元测度度量方法2，资料3讨论 Verus/Rust 形式化验证中正确性反馈对规范完整性审计的影响3，二者同样与自主恢复方法的在线/离线范式无关。资料中能确认的部分仅有：

1 提出双核注意力机制，将 3D 几何位置直接注入注意力计算，并引入参考系组合监督以支持跨视角空间判断更新，在六个空间基准上取得最高平均分，VSI-Bench 达 74.331；
2 用连续测试函数投影内层测度再以一维 Wasserstein 距离比较，避免高维最优传输的高昂开销，并给出粒子梯度用于元测度的梯度传输2；
3 无反馈独立发现产生的认证见证率（59.0%）远超纠正反馈循环（27.1%），保留见证可提升规范修复成功率（81.3% vs 62.5%）3。

以上均无法支撑对「在线行动 vs 离线规划轨迹」差异的论述，建议补充论文1的全文或与自主恢复方法对比的相关资料。

继续追问

论文[1]的完整方法章节中是否讨论了在线行动与离线规划轨迹的对比实验？现有自主恢复方法通常如何定义在线行动与离线规划轨迹的边界？DK-VLM 的跨视角空间判断更新机制能否用于在线行动中的实时决策？

参考来源

3 条

1站内DK-VLM用几何位置增强视觉语言模型空间推理DK-VLM提出双核注意力机制，将3D几何位置而非重建特征直接注入注意力计算，并引入参考系组合监督训练模型跨视角更新空间判断。在六个空间基准上取得最高平均分，VSI-Bench达74.33，同时保持通用视频理解能力。Hugging Face Papershttps://huggingface.co/papers/2610.22356 2站内Vertical Sliced Wasserstein Distances for Meta-Measures论文提出垂直切片 Wasserstein 距离（VSW），用于比较观测本身即为概率测度的元测度（P(P(Ω))）。它用连续测试函数投影内层测度，再用一维 Wasserstein 距离比较，避免高维最优传输的高昂开销，并证明其为有效度量、可度量弱收敛且具维度无关的统计收敛性，还给出粒子梯度用于元测度的梯度传输。arXiv cs.LGhttps://arxiv.org/abs/2610.20743 3站内When Correctness Feedback Erases Evidence: Phase-Separated Completeness Auditing in Verus论文发现：在 Verus/Rust 形式化验证中，正确性反馈会抑制规范完整性审计所需的证据。无反馈独立发现产生的认证见证率（59.0%）远超纠正反馈循环（27.1%），且该优势跨模型家族成立。保留这些见证可显著提升规范修复成功率（81.3% vs 62.5%），提示审计与修复目标相悖，应先保留并认证失败证据再修复。arXiv cs.AIhttps://arxiv.org/abs/2610.20676

AI 答案正在检索与综合…

站内相关条目

3 条 · 点击可看原文全文与中文译文

返回信息流

大模

DK-VLM用几何位置增强视觉语言模型空间推理

DK-VLM提出双核注意力机制，将3D几何位置而非重建特征直接注入注意力计算，并引入参考系组合监督训练模型跨视角更新空间判断。在六个空间基准上取得最高平均分，VSI-Bench达74.33，同时保持通用视频理解能力。

大模型·Hugging Face Papers·4 天前

#vlm

其他

Vertical Sliced Wasserstein Distances for Meta-Measures

论文提出垂直切片 Wasserstein 距离（VSW），用于比较观测本身即为概率测度的元测度（P(P(Ω))）。它用连续测试函数投影内层测度，再用一维 Wasserstein 距离比较，避免高维最优传输的高昂开销，并证明其为有效度量、可度量弱收敛且具维度无关的统计收敛性，还给出粒子梯度用于元测度的梯度传输。

其他·arXiv cs.LG·4 天前

#optimal-transport

大模

When Correctness Feedback Erases Evidence: Phase-Separated Completeness Auditing in Verus

论文发现：在 Verus/Rust 形式化验证中，正确性反馈会抑制规范完整性审计所需的证据。无反馈独立发现产生的认证见证率（59.0%）远超纠正反馈循环（27.1%），且该优势跨模型家族成立。保留这些见证可显著提升规范修复成功率（81.3% vs 62.5%），提示审计与修复目标相悖，应先保留并认证失败证据再修复。

大模型·arXiv cs.AI·4 天前

#formal-verification