GRASP：面向世界模型的基于梯度的长时程规划方法
Berkeley AI Research 提出 GRASP，一种面向学习型世界模型的基于梯度的规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化、向状态迭代直接注入随机性以探索、并重塑梯度让动作获得清晰信号，同时避开高维视觉模型中脆弱的"状态-输入"梯度。该方法旨在解决长时程规划中优化病态、非贪心结构导致局部极小值以及高维潜空间失效模式等问题。
全部 AI 动态
Berkeley AI ResearchAI 评分3737
Berkeley AI ResearchAI 评分3131 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在大规模场景下识别 LLM 中的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层级结构，以约 10x 更少的消融达到 SPEX 的性能。
Berkeley AI ResearchAI 评分2929 伯克利提出信息驱动成像系统设计框架，可跨四类成像任务预测性能
伯克利 AI 研究团队提出一种直接基于信息量评估和优化成像系统的框架，用互信息统一衡量分辨率、噪声与采样等因素，并仅从含噪测量和已知噪声模型中估计信息量。该框架在彩色摄影、射电天文、无透镜成像和显微成像四个领域预测了解码器性能，优化出的设计可媲美端到端方法，且内存与算力需求更低、无需任务专用解码器。相关成果发表于 NeurIPS 2025 论文。