QVal: Экономичная оценка сигналов плотного контроля для агентов LLM на длинных горизонтах

Беспилотные летательные аппараты (БПЛА) играют важную роль в различных гражданских и коммерческих приложениях, что требует точной классификации их радиочастотных (РЧ) сигналов. Современные подходы на основе глубокого обучения сталкиваются с высокой вычислительной сложностью, чувствительностью к шуму и ограниченной точностью. В данной статье предлагается новая структура классификации сигналов БПЛА, которая сочетает в себе вейвлетное извлечение признаков с иерархической архитектурой U-Net, дополненной механизмами внимания с раздельным временем (STCA) и остаточной связанностью. Модель WUSTCA эффективно классифицирует сигналы БПЛА и их контроллеров, достигая средней точности классификации 96,6% для БПЛА и 95,83% для контроллеров БПЛА на наборе данных CardRF. Решая такие проблемы, как помехи шума и разнообразие сигналов, данная работа предоставляет надежное и эффективное решение для классификации сигналов БПЛА, открывая путь для приложений в реальном времени в сложных условиях.

Растущее количество свидетельств сочетания животными отдельных значимых сигналов в последовательности — черта, которую когда-то считали уникальной для лингвистического синтаксиса — дает возможность исследовать эволюционные истоки синтаксической коммуникации. Произвольное назначение значений словам является важным этапом в эволюции человеческого языка и необходимым предшественником для создания более сложных значений через предложения. Изучение того, как другие животные, производящие последовательности звуковых сигналов, учат значения этих сигналов, может помочь пролить свет на то, как развивались референциальность и семантическая комбинаторика. Учитывая, что наличие значимых последовательностей сигналов было обнаружено лишь недавно у нескольких немногих видов животных, онтогенетические исследования понимания этих вокализаций на сегодняшний день отсутствуют. Западноавстралийские сороки (Gymnorhina tibicen dorsalis) комбинируют отдельные сигналы в разнообразные последовательности. Недавние данные показывают, что эти последовательности усваиваются социальным путем, но этап развития, на котором птенцы правильно реагируют на них, остается неизученным. Мы провели воспроизведение отдельного тревожного сигнала и последовательности сигналов для птенцов на протяжении первых 18 недель после вывода из гнезда, определяя, когда они начинают различать низкий уровень беспокойства, связанный с отдельным сигналом, и высокий уровень воздушной угрозы, связанный с последовательностью. Птенцы проявляли немедленную настороженность к обоим вокализациям, но значительно более высокую настороженность и вертикальное сканирование проявили после слуха последовательности. Критически важно, что птенцы демонстрировали эту реакцию на последовательность с первой недели тестирования, без влияния возраста на реакцию на любую из вокализаций. Эти результаты предполагают, что понимание предшествует производству последовательностей у сорок и что значения последовательностей либо усваиваются быстро, либо имеют врожденную основу. Хотя дальнейшие исследования необходимы, это исследование предлагает первый эмпирический взгляд на онтогенетическое возникновение комбинаторного понимания у не человеческого животного.

Аннотация. Большие языковые модели (LLM) продемонстрировали замечательные способности в общих областях, однако их применение в специализированных медицинских контекстах требует строгой адаптации к предметной области. Мы представляем Infoxmed2.0-27B, медицинскую базовую модель, построенную на основе Qwen3.5-27B через комплексный многосложный пост-тренировочный процесс: (1) синтез проприетарных медицинских данных из базы данных MySQL с организацией MedicalCategoryTree, валидация командой докторов наук в области медицины, семантическая дедупликация на основе Chinese RoBERTa и языковая доработка с помощью API; (2) тонкая настройка Qwen3.5-27B с использованием LoRA (r = 8, d = 32) через MS-Swift, что привело к итерациям Infoxmed2.0.0 → 2.0.2 → 2.0.4; (3) прямая оптимизация предпочтений на 6,283 курируемых медицинских предпочтениях с использованием потерь DPO-RPO (β = 0.3, RPO = 0.1) на протяжении восьми прогрессивных тренировочных итераций (v0-v7); и (4) параллельное обучение медицинской модели награды на основе групповой относительной оптимизации политики (GRPO) на Qwen3.5, комбинируя внутренние наградные функции на основе правил с внешними сигналами DeepSeek. Всесторонние оценки в рамках единой системы LLM-as-Judge с использованием GPT-5.4 продемонстрировали точность 77.0% (средний качественный балл +7.18) на MedMCQA и +2.59 на HLE, с прогрессией от +6.69 (база) к +7.06 (тонкая настройка) и к +7.18 (финал).

Текущие исследования в области роботизированной сборки мебели в основном сосредоточены на игрушечных масштабах или манипуляциях с одной рукой. Мы представляем FurnitureVLA, первое систематическое исследование бимануальной сборки мебели в реальном масштабе с использованием моделей видения-языка-действия (VLA). Мы формализуем задачу, разрабатываем масштабируемый симуляционный конвейер для генерации и оценки экспертных данных и создаем систему телеприсутствия в виртуальной реальности для управления бимануально одним оператором с целью сбора качественных демонстраций из реального мира. Чтобы справиться с экстремально долгосрочной сборкой, которая включает до 7 подсостояний и 1550 контрольных шагов, мы предлагаем улучшенную модель VLA, донастроенную на семантически обоснованные подсостояния, которая совместно предсказывает действия и непрерывный сигнал прогресса, позволяя автоматически переходить между подсостояниями и снижая накопление ошибок во время вывода. Мы также исследуем факторы проектирования восприятия и управления, которые критически влияют на точность в сборке в реальном масштабе. FurnitureVLA улучшает средний уровень успеха симуляции с 48% до 80% по сравнению с базовыми показателями для трех типов мебели, с дополнительным приростом в 21% благодаря изучению факторов проектирования. Мы валидируем на реальной платформе Kinova Gen3 с только 16% снижением на наиболее сложной задаче.

Метапознание является критически важной составляющей интеллекта, описывающей способность контролировать и регулировать собственные когнитивные процессы. Тем не менее, большие языковые модели (LLMs) демонстрируют системные недостатки в ключевых метапознавательных функциях: они создают неправильные (галлюцинирующие) ответы с высокой уверенностью, не осознают границы своих знаний и неправильно представляют свою внутреннюю неопределенность, что подрывает доверие и надежность. Учитывая, что мониторинг производительности задач и адаптация поведения в соответствии с этим являются центральными для метапознания, мы предполагаем, что модели, способные точно оценивать свою собственную производительность, лучше подготовлены для ее улучшения. Мы реализуем эту идею через два новых механизма: обучение с подкреплением с метапознавательной обратной связью (RLMF) – парадигму, позволяющую улучшать ранжирование завершений во время оптимизации предпочтений на основе качества самосуждений модели о производительности, и выбор метапознавательных данных, который использует аналогичные самосуждения для выявления ценных обучающих примеров, превосходя наивное активное обучение. Мы применяем эти инновации к проблеме надежной калибровки (FC), которая сама по себе является принципиально метапознавательной задачей: цель заключается в согласовании выраженной и внутренней неопределенности, что сложно даже для передовых LLM. Мы принимаем декомпозированный подход в два этапа: сначала используем эти методы для калибровки надежности самооценок моделей, а затем отображаем на естественную, адаптируемую по контексту языковую неопределенность через целевое редактирование выходных данных. Обширные эксперименты показывают, что RLMF достигает обобщаемой, современной надежной калибровки на различных задачах при сохранении точности. Более того, RLMF превосходит стандартное обучение с подкреплением на 63%, при этом улучшая способность моделей оценивать и выражать собственные пределы возможностей. Это ставит RLMF в качестве многообещающей парадигмы для повышения метапознавательных способностей LLM с целью улучшения возможностей моделирования и соответствия, а также предполагает, что метапознавательная производительность является эффективным сигналом обучения с подкреплением для преодоления ограничений ранее используемых методов внутренней обратной связи.

С развитием технологий пациенты все чаще ищут медицинскую информацию в интернете, и чат-боты на базе искусственного интеллекта (ИИ), такие как NIPRGPT — наиболее доступный инструмент ИИ для пользователей компьютеров Министерства обороны США — предлагают новый ресурс для ответов на вопросы о фемороацетабулярном импинджменте (ФАИ). На данный момент не проводилось исследований, оценивающих ответы NIPRGPT на ортопедические медицинские вопросы. Основная цель данного исследования заключалась в оценке точности, полноты и читаемости ответов NIPRGPT на распространенные вопросы о ФАИ. Были выбраны двенадцать часто задаваемых вопросов (ЧЗВ) о ФАИ из подготовленного списка и заданы NIPRGPT. Точность и достаточность ответов оценивались панелью сертифицированных хирургов по четырем критериям: отлично (без необходимости в уточнениях), удовлетворительно (необходимы минимальные уточнения), удовлетворительно (необходимы умеренные уточнения) и неудовлетворительно (необходимы существенные уточнения). Кроме того, была оценена читаемость с использованием коэффициента читаемости Флеш-Кинкейда. Из 12 ответов четыре (33,3%) были оценены как отличные, не требующие уточнения, семь (58,3%) — как удовлетворительные, требующие минимальных уточнений, и один (8,3%) — как удовлетворительный, требующий умеренных уточнений. Не было неудовлетворительных ответов. Средняя оценка качества составила 3,38 из 4,0. Однако средний коэффициент читаемости Флеш-Кинкейда составил 19,6, что соответствует уровню читаемости для лиц с послевузовским или специализированным академическим образованием. Согласованность оценок между наблюдателями была низкой, с альфа-коэффициентом Криппендорфа 0,046. NIPRGPT предоставляет ответы на ЧЗВ о ФАИ, которые в целом являются точными и надежными. Однако сложность ответов значительно превышает рекомендуемый уровень читаемости для образовательных материалов для пациентов. Хотя это может быть полезным дополнением в условиях военной медицины, где доступ к информации может быть ограничен, врачам следует учитывать высокие требования к грамотности, которые налагаются на пациентов, использующих этот инструмент.