★ 3
StoreBench：评估与训练自主运营智能体的实时电商环境
论文推出 StoreBench，一个让智能体在真实级电商后端运营中型服装网店的实时商业环境，测试长程规划与不确定性下的经济判断。在 11 个场景中，最佳模型 DeepSeek-V4-Pro 通过 49% 任务种子单元，低于脚本启发式策略的 97%，人类专家得分高于所有模型；GRPO 后训练使 Qw…
arXiv cs.AI24 天前
#长程规划
共 3 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
研究用条件能量模型从随机探索中学习长程规划
论文研究随机探索能否在无策略改进训练下支持长程规划，通过随机游走分析揭示不同时间跨度包含的关系结构。提出基于条件能量模型的方法，用噪声对比估计训练估计时间对数密度比，在迷宫规划、自我中心导航与操作规划任务上验证了多尺度认知地图特性。
arXiv cs.LG32 天前
★ 3
Metro-WM：可实现的子目标长程潜空间规划
论文指出，基于 JEPA 的层次化规划中，宏规划器常生成物理上不可实现的潜空间子目标，这是长程规划失效的根本原因。作者提出 Metro-WM，改为从离线经验中检索真实状态作为子目标，并构建可跨轨迹拼接的状态图。实验显示长程成功率最高提升 37.33 个百分点，速度快 10.9 倍，离线算力需求降低…
arXiv cs.AI34 天前
这个主题的相关资产
相关公司深度求索（DeepSeek）1