2026-09-10 · 5 topics
Marigold V2: Diffusion Transformer を用いた単眼深度推定──KITTI や ETH3D で AbsRel が 16-26% 向上
🔥🔥DiT アーキテクチャを単眼深度推定に適用した Marigold V2 は、Sinkhorn ベースの損失関数と 2 段階ファインチューニングにより、未見データへの汎化性能とエッジの鮮明さを大幅に向上させた。
OpenWAM: モジュール型 World-Action Model の事前学習基盤と OpenWAM-α の実証
🔥🔥World-Action Model の設計空間を分解するモジュール型基盤 OpenWAM を提案し、約 6,400 時間のデータで事前学習した OpenWAM-α でシミュレーションおよび実ロボット実験における優れた汎化性能を実証した。
人間デモを超越するエンドツーエンド自動運転モデル DriveZero──nuPlan で 93.57 点を記録
🔥🔥人間データの模倣を脱却し、閉ループ強化学習と Vision Foundation Models の統合により人間軌跡の監視なしで SOTA を達成した。
大規模・長文脈 RL 事後学習における Speculative Decoding のオンライン共同学習手法
🔥🔥最大 122B モデルの長文脈 RL 事後学習において、分岐アテンションの拡張と TapChannel による並列化課題を解決し、大規模な高速化を実現した。
自然言語仕様からローカルニューラル関数を生成するコンパイル手法──FuzzyBench-Hardで83.6%の精度を達成
🔥🔥教師モデルを活用したコンパイル時処理により小型インタプリタ向けの軽量アダプターを生成し、遠隔モデルへの依存とレイテンシを排除する新手法