arXivDaily arXiv每日学术速递 周一至周五更新

高校专区

Massachusetts Institute of Technology(麻省理工学院)

2026-02-06 至 2026-02-06 共收录 5
2602.06029 2026-02-06 cs.LG

Curiosity is Knowledge: Self-Consistent Learning and No-Regret Optimization with Active Inference

好奇心是知识:基于主动推断的自洽学习与无遗憾优化

Yingke Li, Anjali Parashar, Enlu Zhou, Chuchu Fan

机构 * Department of Aeronautics and Astronautics, Massachusetts Institute of Technology, Cambridge, MA 02139, USA(航空与宇航系,麻省理工学院) School of Industrial and Systems Engineering, Georgia Institute of Technology, Atlanta, GA 30332, USA(工业与系统工程学院,佐治亚理工学院)

AI总结 本文提出基于主动推断的自洽学习与无遗憾优化理论,证明足够的好奇心可同时确保学习一致性与优化无遗憾,并通过实验验证其有效性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.05163 2026-02-06 cs.CV

LOBSTgER-enhance: an underwater image enhancement pipeline

LOBSTgER-enhance: 一种水下图像增强流水线

Andreas Mentzelopoulos, Keith Ellenbogen

机构 * Massachusetts Institute of Technology(麻省理工学院)

AI总结 LOBSTgER-enhance通过合成破坏流水线和扩散生成技术,实现了水下图像的高质量增强,提升了图像的视觉一致性和泛化能力。

Comments 12 pages, 30 figures, work done as part of LOBSTgER

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.05092 2026-02-06 cs.RO

A Framework for Combining Optimization-Based and Analytic Inverse Kinematics

一种结合基于优化和解析逆运动学的方法框架

Thomas Cohn, Lihan Tang, Alexandre Amice, Russ Tedrake

机构 * Computer Science and Artificial Intelligence Laboratory (CSAIL), Massachusetts Institute of Technology(计算机科学与人工智能实验室(CSAIL),麻省理工学院)

AI总结 本文提出了一种结合解析和优化方法的逆运动学框架,通过变量替换提升求解效率,实验表明在碰撞避免等复杂任务中表现更优。

Comments 19 pages, 5 figures, 6 tables. Under submission

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.05051 2026-02-06 cs.LG cs.AI cs.RO

ReFORM: Reflected Flows for On-support Offline RL via Noise Manipulation

ReFORM:通过噪声操控实现支持下的离线强化学习

Songyuan Zhang, Oswin So, H. M. Sabbir Ahmad, Eric Yang Yu, Matthew Cleaveland, Mitchell Black, Chuchu Fan

机构 * MIT(麻省理工学院) Boston University(波士顿大学) MIT Lincoln Laboratory(麻省理工学院林伍德实验室)

AI总结 ReFORM通过反射流策略和噪声操控,在离线强化学习中实现更宽松的支持约束,从而在多模态分布下提升策略性能。

Comments 24 pages, 17 figures; Accepted by the fourteenth International Conference on Learning Representations (ICLR 2026)

详情

展开后加载摘要…

URL PDF HTML 收藏
2503.18238 2026-02-06 cs.CY cs.AI

Collaborating with AI Agents: Field Experiments on Teamwork, Productivity, and Performance

与AI代理合作:关于团队合作、生产率和表现的实地实验

Harang Ju, Sinan Aral

机构 * Johns Hopkins Carey Business School(约翰霍普金斯 Carey 商学院) MIT Sloan School of Management(麻省理工 Sloan 管理学院)

AI总结 本研究通过实地实验发现,人类与AI合作能提升广告生产率和质量,通过任务导向沟通、委托工作和识别AI合作者三种机制实现。

Comments 59 pages, 3 figures, 14 tables

详情

展开后加载摘要…

URL PDF HTML 收藏