AnyStep-WAM réduit le nombre d’étapes de débruitage des modèles monde-action en robotique
1 sourcemis à jour 30 sept.pertinence 2,3 sur5
L’essentiel
Testée sur Motus, FastWAM et LingBotVA avec RoboTwin 2.0, la méthode réduit les étapes de débruitage de 60,2 %, 49,8 % et 85,28 % et maintient les taux de succès des tâches de référence.
Propagation1 article, publié par HF Daily Papers le 30 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceRui Wang, Xiangyu Wang, Donglin Yang et al.huggingface.co
AnyStep-WAM: Budget-Aligned Distillation and Adaptive Inference for World Action Models (site externe)
World-action models (WAMs) couple predictive visual modeling with action generation, typically relying on iterative denoising with a fixed denoising steps.
Sur les mêmes thèmes
Infra
Ai2 publie Olmo-core 3, son framework d’entraînement ouvert pour de grands modèles à mélange d’experts
Infra
SlimWise élague les experts uniquement au décodage pour servir plus efficacement les modèles MoE
Recherche
RayOrch, un moteur distribué, préserve les liens parent-enfant dans la préparation de données d’IA
Infra
TRACE propose un entraînement FP4 par RL pour les modèles MoE, guidé par les rollouts
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5