Reinforcement Learning via Implicit Imitation Guidance
Stanford University(斯坦福大学)
针对样本高效强化学习中模仿目标可能损害长期回报的问题,本文提出DGN框架,仅用演示数据通过策略噪声隐式引导探索,在七个连续控制任务上较离线数据RL方法最高提升2至3倍。
2025-06-09 cs.AI cs.LG
Oracle-Guided Soft Shielding for Safe Move Prediction in Chess
OGSS通过学习概率安全模型,在国际象棋中实现安全探索,减少战术失误并提升探索效率。
2026-03-09 cs.AI cs.LG
AI-Guided Molecular Simulations in VR: Exploring Strategies for Imitation Learning in Hyperdimensional Molecular Systems
IRL;CiTIUS Centro Singular de Investigación en Tecnoloxías Intelixentes(CiTIUS智能技术研究中心);University of Bristol(布里斯托大学)
本文探讨了利用虚拟现实交互式分子动力学(iMD-VR)生成的数据集,通过模仿学习训练AI智能体引导分子动力学模拟,并在原理验证中成功使用CNN网络完成了小分子穿过纳米管孔道的操作任务。
2025-11-03 cs.AI cs.HC cs.LG
Lyapunov-Guided Self-Alignment: Test-Time Adaptation for Offline Safe Reinforcement Learning
Seoul National University(首尔国立大学)
本文提出SAS框架,通过自对齐机制在不重新训练的情况下实现离线安全强化学习的测试时适应,利用Lyapunov条件筛选可行轨迹并生成上下文提示,提升安全性与性能。
2026-04-29 cs.AI cs.LG
Asymmetric On-Policy Distillation: Bridging Exploitation and Imitation at the Token Level
Huazhong University of Science and Technology(华中科技大学);Peking University(北京大学);Meituan(美团)
本文提出非对称在线策略蒸馏,通过局部散度最小化改进传统策略蒸馏,提升数学推理任务表现,实现更稳定的策略熵和持续工具使用能力。
2026-09-01 cs.AI cs.LG
Beyond Trajectory Imitation: Strategy-Guided Policy Optimization for LLM Reasoning
School of Computer Science and Engineering, Sun Yat-sen University, China(中山大学计算机科学与工程学院);Meituan, Inc., China(美团);Shenzhen Loop Area Institute, China(深圳环区研究所);Meta AI, USA(Meta AI)
提出策略引导的策略优化(SGPO),通过可重用策略蒸馏替代实例级轨迹模仿,利用前向KL散度和自适应加权提升LLM推理泛化能力,在数学基准上平均提升2.2分。
2026-10-27 cs.AI
Efficient Supervision for Robot Learning via Imitation, Simulation, and Adaptation
DeepMind
最近在机器学习方面取得的成功导致了自主系统设计的转变,提高了现有任务的性能,并使新的应用成为可能。当开发数据汇集和管理管道变得比手动行为设计更有效时,以数据为中心的方法可以在各种复杂的应用程序中获得相关性。以下工作旨在通过两种主要方式提高这一管道的效率:利用更强大的信息数据来源和从现有数据中提取更多信息。特别是,我们的目标是三个正交前沿:模仿学习,领域自适应,从模拟转移。
2019-04-15 cs.AI cs.LG cs.RO
Noise-Guided Transport for Imitation Learning
University of Cambridge(剑桥大学);University of Oxford(牛津大学)
针对低数据场景下的模仿学习,提出噪声引导传输(NGT)方法,通过对抗训练将模仿问题转化为最优传输问题,无需预训练或特殊架构,在极低数据量下实现强性能。
2026-06-11 cs.AI cs.LG
Co-Imitation: Learning Design and Behaviour by Imitation
University of Helsinki(赫尔辛基大学);Aalto University(阿尔托大学);Finnish Center for Artificial Intelligence(芬兰人工智能中心)
机器人的共同适应是一项长期的研究工作,其目标是在动物自然进化的启发下,使系统的身体和行为适应给定的任务。协同适应有可能消除昂贵的手动硬件工程并提高系统性能。共同适应的标准方法是使用奖励函数来优化行为和形态。然而,定义和构造这样的奖励函数是非常困难的,通常是一项重大的工程工作。本文介绍了一个新的观点,我们称之为共同模仿的问题:找到一个形态和政策,允许模仿者密切匹配的行为演示。为此,我们提出了一种协同模仿方法,通过匹配演示者的状态分布来调整行为和形态。具体来说,我们专注于具有挑战性的情况下,两个代理之间的不匹配的状态和动作空间。我们发现,共同模仿增加了各种任务和设置的行为相似性,并通过将人类的行走,慢跑和踢腿技能转移到模拟人形机器人上来展示共同模仿。
2023-02-07 cs.AI cs.LG cs.RO
Discriminator-Guided Model-Based Offline Imitation Learning
Tsinghua University(清华大学);JD Technology(京东科技);Beijing Jiaotong University(北京交通大学);Shanghai AI Laboratory(上海人工智能实验室)
离线模仿学习(IL)是一种解决决策问题的强有力的方法,从专家示范没有奖励标签。现有的离线IL方法在有限的专家数据下遭受严重的性能退化。包括学习的动态模型可以潜在地改善专家数据的状态-动作空间覆盖,然而,它也面临着具有挑战性的问题,如模型近似/泛化误差和推出数据的次优性。在本文中,我们提出了鉴别器引导的基于模型的离线模仿学习(DMIL)框架,该框架引入了一个鉴别器,以同时区分模型推出数据的动态正确性和次优性与真实的专家演示。DMIL采用了一种新颖的合作对抗学习策略,利用策略学习器引导和耦合策略和动力学模型的学习过程,从而提高了模型的性能和鲁棒性。我们的框架也可以扩展到的情况下,当演示包含很大比例的次优数据。实验结果表明,DMIL及其扩展实现了优越的性能和鲁棒性相比,国家的最先进的离线IL方法在小数据集。
2023-01-10 cs.AI cs.LG
One-shot Imitation in a Non-Stationary Environment via Multi-Modal Skill
Sungkyunkwan University(成均馆大学)
针对非平稳环境下复杂任务的一次性模仿难题,提出基于技能的模仿学习框架,结合视觉-语言模型与元学习实现零样本技能适应,在多阶段Meta-world任务中表现优越。
2024-02-13 cs.AI
Transfering Hierarchical Structure with Dual Meta Imitation Learning
Tsinghua University(清华大学)
分层模仿学习(HIL)是一种有效的方法,机器人学习的子技能,从长期的地平线不分割的演示。然而,学习到的层次结构缺乏跨多任务或向新任务转移的机制,这使得他们在面对新情况时不得不从头开始学习。模块化子技能的迁移和重组需要整个层次结构的快速适应能力。在这项工作中,我们提出了双重Meta模仿学习(DMIL),一个分层的元模仿学习方法,其中的高级网络和子技能迭代元学习与模型无关的元学习。DMIL使用来自每个子技能的状态-动作对的可能性作为高级网络适配的监督,并且使用适配的高级网络来确定用于每个子技能适配的不同数据集。从理论上证明了DMIL迭代训练过程的收敛性,建立了DMIL与期望最大化算法之间的联系。从经验上讲,我们实现了最先进的Few-Shot模仿学习性能的元世界\cite{metaworld}基准和厨房环境的长期任务的竞争结果。
2022-02-19 cs.AI cs.RO
DIDA: Denoised Imitation Learning based on Domain Adaptation
National Key Laboratory for Novel Software Technology, Nanjing University(南京大学计算机软件新技术国家重点实验室);School of Artificial Intelligence, Nanjing University(南京大学人工智能学院);School of ZZZ(ZZZ学院)
针对从含噪演示中学习(LND)时传统模仿学习方法鲁棒性不足的问题,本文提出DIDA,通过双判别器区分噪声与专业程度并学习域不变任务表示,在MuJoCo多种噪声任务上优于多数基线。
2024-04-04 cs.AI cs.LG
TAIL: Task-specific Adapters for Imitation Learning with Large Pretrained Models
Carnegie Mellon University(卡内基梅隆大学);University of Southern California(南加利福尼亚大学);Amazon Web Services(亚马逊网络服务)
针对大预训练模型在控制领域数据稀缺、微调成本高的问题,提出TAIL框架,采用LoRA等参数高效微调技术实现有限数据下的任务适配,仅用1%全微调参数就达到最优性能且避免灾难性遗忘。
2024-03-08 cs.AI cs.LG cs.RO
HybridGen: VLM-Guided Hybrid Planning for Scalable Data Generation of Imitation Learning
Sun Yat-sen University(中山大学)
本文提出 HybridGen 框架,利用 VLM 解析专家演示并结合混合规划与位姿变换,可跨算法生成大规模模仿学习数据,在七项任务上显著提升性能与泛化。
2025-03-17 cs.AI cs.RO
Learning from Guided Play: A Scheduled Hierarchical Approach for Improving Exploration in Adversarial Imitation Learning
University of Toronto(多伦多大学)
有效的探索仍然是一个重大的挑战,阻碍了强化学习在许多物理系统中的部署。这对于具有连续和高维状态和动作空间的系统尤其如此,例如机器人操纵器。在稀疏奖励设置中,密集奖励设计所需的低级状态信息不可用,这一挑战更加突出。对抗性模仿学习(AIL)可以部分克服这一障碍,它利用专家生成的最佳行为演示,并从本质上替代密集的奖励信息。不幸的是,专家演示的可用性并不一定提高代理的能力,有效地探索,正如我们的经验表明,可能会导致效率低下或停滞的学习。我们提出了从引导式游戏(LfGP),一个框架,在这个框架中,我们利用专家演示,除了一个主要任务,多个辅助任务。随后,一个分层模型是用来学习每个任务的奖励和政策,通过修改后的AIL程序,其中所有任务的探索是通过一个调度器组成不同的任务在一起。这提供了许多好处:对于具有挑战性瓶颈转换的主要任务,学习效率得到提高,专家数据在任务之间变得可重复使用,并且通过重复使用学习的辅助任务模型来进行迁移学习成为可能。我们在一个具有挑战性的多任务机器人操作域的实验结果表明,我们的方法相比有利的监督模仿学习和一个国家的最先进的AIL方法。代码可在https://github.com/utiasSTARS/lfgp上获得。
2022-07-19 cs.AI cs.LG cs.RO
SiGMA: Sign-Guided Merging and Adaptation for Multimodal Continual Instruction Tuning
Seoul National University(首尔国立大学)
研究多模态持续指令微调中存在的问题,提出SiGMA框架,通过训练时符号引导自适应调优、推理时符号引导合并减轻负面干扰,在相关基准实验中显著减少干扰且性能优于现有方法。
2026-07-24 cs.AI
BP-TTA: Balanced and Prototype-Guided Test-Time Adaptation in Dynamic Scenarios
College of Computer Science, Sichuan University(四川大学计算机科学学院);School of Artificial Intelligence, Sichuan University(四川大学人工智能学院)
提出BP-TTA方法,通过平衡批次采样和原型引导自适应,同时处理测试时流中的类别不平衡和持续域偏移问题,在动态场景下优于现有方法。
2026-07-01 cs.AI
Guided Imitation of Task and Motion Planning
University of California, Berkeley(加州大学伯克利分校);Massachusetts Institute of Technology(麻省理工学院)
虽然现代策略优化方法可以从传感数据进行复杂的操作,但它们在处理具有扩展时间范围和多个子目标的问题时会遇到困难。另一方面,任务和运动规划(TAMP)方法可扩展到长时间范围,但它们在计算上是昂贵的,并且需要精确地跟踪世界状态。我们提出了一种方法,利用这两种方法的力量:我们训练的政策,模仿TAMP求解器的输出。这产生了一个前馈策略,可以从传感数据完成多步任务。首先,我们建立了一个异步分布式TAMP求解器,可以产生足够快的监督数据模仿学习。然后,我们提出了一个分层的政策架构,让我们使用部分训练的控制策略,以加快TAMP求解器。在具有7-DoF关节控制的机器人操作任务中,部分训练的策略将规划所需的时间减少了2.6倍。在这些任务中,我们可以学习一个策略,该策略在88%的时间内通过对象姿势观察解决RoboSuite 4-对象拾取-放置任务,并且在79%的时间内通过RGB图像解决RoboDesk 9-目标基准测试(在9个不同任务中取平均值)。
2021-12-06 cs.AI cs.LG cs.RO
Zero-shot Imitation Learning by Latent Topology Mapping
Purdue University, Department of Computer Science(普渡大学计算机科学系)
本文提出ZALT方法,通过识别潜在枢纽状态和拓扑规划,实现对未见过的任务的零样本适应,实验显示其在复杂3D迷宫环境中表现优于基线方法。
2026-05-08 cs.AI cs.LG
Approaching Adaptation Guided Retrieval in Case-Based Reasoning through Inference in Undirected Graphical Models
Università del Piemonte Orientale(东皮埃蒙特大学)
在基于案例的推理中,当相似性假设不成立时,检索一组结构上与查询相似的案例并不能保证得到可重用或可修改的解决方案。知识的适应性的解决方案,必须加以利用,以定义一种方法,适应引导检索。我们提出了一种新的方法来解决这个问题,知识的适应性的解决方案被捕获内的度量马尔可夫随机场(MRF)。MRF的节点表示情况,边连接解空间中解接近的节点。节点的状态表示相对于潜在查询的不同适应水平。基于度量的潜力强制连接的节点共享相同的状态,因为具有类似解决方案的情况下应该具有相同的适应性水平相对于查询。其主要目标是扩大一组潜在的适应性的情况下,检索不显着牺牲检索的精度和准确性。我们将报告一些关于检索架构的实验,其中一个简单的kNN检索(对问题的描述)之后,由MRF推理的基础上进一步检索步骤。
2019-05-29 cs.AI
Learning from Guided Play: Improving Exploration for Adversarial Imitation Learning with Simple Auxiliary Tasks
University of Toronto Institute for Aerospace Studies(多伦多大学航空航天研究所);University of Alberta(阿尔伯塔大学)
针对对抗性模仿学习因探索不足陷入局部最优的问题,提出LfGP框架,通过引入辅助任务专家演示强制探索,在多任务机器人操作中显著优于AIL和行为克隆,且专家样本效率更高。
2023-10-12 cs.AI cs.LG cs.RO
Tube-NeRF: Efficient Imitation Learning of Visuomotor Policies from MPC using Tube-Guided Data Augmentation and NeRFs
Laboratory for Information and Decision Systems (LIDS)(信息与决策系统实验室)
本文提出Tube-NeRF方法,结合鲁棒MPC与NeRF数据增强,高效训练多旋翼飞行器视觉运动策略,实现80倍演示效率提升和50%训练时间缩减,并成功迁移至真实平台。
2024-02-26 cs.AI cs.LG cs.RO
Build on Priors: Vision--Language--Guided Neuro-Symbolic Imitation Learning for Data-Efficient Real-World Robot Manipulation
Tufts University(塔夫茨大学);Austrian Institute of Technology GmbH (AIT)(奥地利技术研究所(AIT))
本文提出一种可扩展的神经符号框架,通过少量未标注的示范数据自动构建符号规划领域和高效控制策略,无需手动领域工程,提升现实机器人操作的效率和可解释性。
2026-04-04 cs.AI cs.RO
Socially Guided Intrinsic Motivation for Robot Learning of Motor Skills
INRIA(法国国家信息与自动化研究所);ENSTA ParisTech(巴黎高等科技学院)
本文提出了一种结合主动内在动机学习和模仿学习的机器人学习运动技能的技术途径。我们的架构,称为SGIM-D,允许高效学习机器人中的高维连续感觉运动逆模型,特别是学习参数化运动策略的分布,解决相应的参数化目标/任务的分布。这是通过将模仿学习技术技术集成在用于学习依赖于主动目标模糊的逆模型的算法内而实现的。在回顾了社会学习和内在动机的行动学习方法,我们描述了我们的算法的一般框架,然后详细介绍了其架构。在一个机器人手臂必须学会使用灵活的鱼线的实验中,我们说明了SGIM-D有效地结合了社会学习和内在动机的优势,并从人类演示属性中受益,以学习如何在环境中产生不同的结果,同时在大空间中开发更精确的控制策略。
2018-04-19 cs.AI cs.LG cs.RO
Investigating Robot Control Policy Learning for Autonomous X-ray-guided Spine Procedures
Johns Hopkins University(约翰霍普金斯大学);Technical University of Munich(慕尼黑技术大学);Johns Hopkins School of Medicine(约翰霍普金斯医学院)
本文研究基于模仿学习的机器人控制策略在稀疏输入(双平面X光)下进行椎体成形术中的可行性,通过模拟环境训练策略实现基于视觉的套管针迭代对齐,首次尝试成功率达68.5%,并展示了向复杂解剖结构和真实X光的迁移能力,但存在入口点精度不足等局限。
2026-05-22 cs.AI cs.CV cs.LG
Active Learning within Constrained Environments through Imitation of an Expert Questioner
Georgia Institute of Technology(佐治亚理工学院)
主动学习代理通常采用查询选择算法,该算法仅考虑代理的学习目标。然而,这在更现实的人类领域中可能是不够的。这项工作使用模仿学习,使代理在一个受约束的环境中,同时考虑其内部的学习目标和外部施加的环境约束,所有在其目标函数。实验进行了概念学习任务,以测试所提出的算法的推广到不同的环境条件下,并分析时间和资源约束如何影响解决学习问题的效率。我们的研究结果表明,环境意识的学习代理是能够在统计上优于所有其他主动学习者探索在大多数的约束条件下。一个关键的含义是适应主动学习代理更现实的人类环境,约束往往是外部强加给学习者。
2019-07-01 cs.AI cs.LG cs.RO
Reliability-Guided Adaptive Ensembling for Robust Test-Time Adaptation
School of Computer Science, Carleton University(卡尔顿大学计算机科学学院);Canada CIFAR AI Chair, Amii(加拿大CIFAR人工智能讲席,阿米研究所)
针对对抗性污染测试流中测试时自适应(TTA)的脆弱性,提出无训练的可靠性引导增强包装器SAFER,通过随机增强和相关性加权池化提高鲁棒性,并引入自适应混合扩展以保持干净性能。
2026-06-23 cs.AI cs.CV cs.LG
CGSA: Class-Guided Slot-Aware Adaptation for Source-Free Object Detection
School of Computing and Data Science, The University of Hong Kong(计算与数据科学学院,香港大学);Department of Electrical & Computer Engineering, National University of Singapore(电气与计算机工程系,新加坡国立大学);School of Information and Electronics, Beijing Institute of Technology(信息与电子学院,北京理工大学)
CGSA通过引入对象中心学习,结合槽感知适应和类引导的槽对比模块,提升无源领域自适应对象检测的性能。
2026-02-26 cs.AI cs.CV
SemReward-VL: Semantic Reward-Guided Video-Language Adaptation for Developmental Behavior Assessment
针对发育筛查视频中行为描述缺失的问题,提出SemReward-VL,利用视觉-语言模型生成描述,并通过冻结语言模型评分和GRPO优化LoRA适配器,在13,379个视频上提升了准确率与召回率。
2026-09-29 cs.AI cs.CV
Post-Hoc Domain Adaptation via Guided Data Homogenization
Fraunhofer HHI(弗劳恩霍夫海因里希·赫兹研究所)
解决数据分布的变化是将深度学习模型部署到现实环境中的重要先决条件。解决这个问题的一般方法包括通过迁移学习将模型调整到新的域。然而,在许多情况下,这不适用于事后的方式部署的模型和进一步的参数调整危及安全认证,事先建立。在这样的背景下,我们建议通过引导数据同质化来处理数据分布的变化,这将适应的负担从模型转移到数据。该方法利用关于隐含地包含在深度学习模型中的训练数据的信息来学习域传递函数。这允许有针对性地将模型部署到未知场景,而无需更改模型本身。我们通过对CIFAR-10和MNIST数据集的实验证明了数据均匀化的潜力。
2021-04-08 cs.AI cs.LG cs.NE
Gradient-Guided Decoupled Adaptation for Geospatial Vision-Language Models
提出梯度引导解耦自适应(G2DA)框架,通过跨模态解耦和模态特定课程优化多任务地理空间视觉-语言模型,在24种基准-模型组合上显著提升性能。
2026-09-29 cs.AI cs.CL cs.CV
User-Guided Domain Adaptation for Rapid Annotation from User Interactions: A Study on Pathological Liver Segmentation
PAII Inc.(PAII公司);The University of Texas at Arlington(德克萨斯大学阿灵顿分校);University at Buffalo(纽约州立大学布法罗分校);Chang Gung Memorial Hospital(长庚纪念医院);PingAn Technology(平安科技)
基于掩模的医学图像标注,特别是3D数据的标注,是开发可靠的机器学习模型的瓶颈。使用最少的劳动用户交互(UI)来指导注释是有希望的,但挑战仍然是最好的协调掩模预测与UI。为了解决这个问题,我们提出了用户引导的领域自适应(UGDA)框架,它使用基于预测的对抗性领域自适应(PADA)来模拟UI和掩码预测的组合分布。然后将UI用作锚点以引导和对齐掩码预测。重要的是,UGDA既可以从未标记的数据中学习,也可以对不同UI背后的高级语义进行建模。我们使用927例患者研究的临床综合数据集来测试UGDA对病理肝脏的注释。仅使用极值点UI,我们实现了96.1%(94.9%)的平均(最差情况)性能,而深度极值点(DEXTR)为93.0%(87.0%)。此外,我们还表明,即使只看到一小部分可用的UI,UGDA也可以保持这种最先进的性能,这表明它能够以极低的劳动力需求实现强大而可靠的UI引导分割。
2020-09-05 cs.AI cs.CV cs.LG
Adversarial Imitation Learning from Incomplete Demonstrations
Hong Kong University of Science and Technology(香港科技大学)
模仿学习的目标是导出从状态到动作的映射,也称为政策,从专家示范。现有的模仿学习方法通常要求演示中的任何动作都是完全可用的,这在实际应用中很难保证。虽然已经提出了不可观察动作的学习算法,但它们只关注状态信息,而忽略了动作序列仍然可以部分可用并为策略导出提供有用信息的事实。在本文中,我们提出了一种新的算法,称为引导对抗模仿学习(AGAIL),它从具有不完整动作序列的演示中学习策略,不完整的演示。AGAIL的核心思想是将演示分为状态和动作轨迹,并使用状态轨迹训练策略,同时使用动作作为辅助信息来指导训练。AGAIL建立在生成式对抗模仿学习的基础上,有三个组成部分:生成器、学习者和指导者。生成器学习策略,并由策略管理器提供奖励,策略管理器试图区分策略生成的演示和样本之间的状态分布。当特定状态的演示操作可用时,该指南向生成器提供额外奖励。我们比较AGAIL与其他方法的基准任务,并表明AGAIL始终提供相当的性能,即使在演示中的动作序列只有部分可用的国家的最先进的方法。
2019-06-23 cs.AI cs.LG stat.ML
GarmentPile: Point-Level Visual Affordance Guided Retrieval and Adaptation for Cluttered Garments Manipulation
CFCS, School of Computer Science, PKU(北京大学计算机科学学院计算智能与数据科学中心);School of EECS, PKU(北京大学电子工程与计算机科学学院)
针对杂乱衣物操作中缠绕复杂、检索困难等问题,提出GarmentPile框架,通过学习点级视觉可供性结合适配模块重组衣物,在仿真和真实场景的多样衣物堆叠环境中验证了有效性。
2025-03-12 cs.AI cs.CV cs.RO
MILES: Making Imitation Learning Easy with Self-Supervision
Imperial College London(帝国理工学院)
提出自监督自主数据收集范式 MILES,仅用单个演示和单次环境重置即可学习机器人策略,并在富接触真实任务中显著优于结合强化学习的模仿学习方法。
2024-10-25 cs.AI cs.LG cs.RO
Learning with Language-Guided State Abstractions
MIT(麻省理工学院);Princeton(普林斯顿大学)
该研究提出LGA(语言引导抽象)框架,借助自然语言监督与预训练语言模型自动生成适配未见任务的状态抽象,用于模仿学习,可在短时间内达到接近人工设计的效果,提升策略的泛化性与鲁棒性,并在Spot机器人移动操作任务中验证了实用性。
2024-03-06 cs.AI cs.LG cs.RO
Text-Guided Multi-Scale Frequency Representation Adaptation
Zhejiang University(浙江大学);Nanyang Technological University(南洋理工大学)
本文提出FreqAdapter,通过在频域进行多尺度信号微调,结合文本信息减少信息冗余,提升多模态模型的性能与效率。
2026-05-05 cs.AI cs.CV cs.LG
Beyond Transfer Accuracy: Mechanism-Guided Controlled Adaptation for Low-Resource Languages
Monash University Indonesia(印度尼西亚墨尔本大学);Institute Teknologi Bandung(Bandung理工大学);MBZUAI(MBZUAI研究所);Boston University(波士顿大学)
提出基于上下文分解的电路发现方法(CD-T),通过标签平衡激活均值和任务方向相关性评分实现无反事实电路发现,并利用电路目标监督微调(CT-SFT)在低资源跨语言情感迁移中最小化灾难性遗忘,优于全局微调。
2026-09-03 cs.AI cs.CL cs.LG