Le filThèmes : RechercheAgents
EmbodiedSmith génère des données de robotique en simulation par une boucle d’auto-amélioration récursive
1 sourcemis à jour il y a 13 hpertinence 2,3 sur5
L’essentiel
Ce framework unifie la génération des ressources, des scènes et des tâches. Selon le papier, une plus grande diversité des données améliore la généralisation des politiques en aval.
Propagation1 article, publié par HF Daily Papers le 7 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceYikai Qin, Yifei Deng, Mingjian Liang et al.huggingface.co
EmbodiedSmith: Scaling Embodied Data through Recursive Self-Improvement Flywheel in Simulation (site externe)
Scaling robotic foundation models requires diverse training data and reliable evaluation environments.
Sur les mêmes thèmes
Agents
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Agents
PUBG Ally, un agent incarné vocal, joue comme coéquipier d’IA dans PUBG : BATTLEGROUNDS
Agents
DAEDALUS construit une mémoire d’agent à partir de tâches que des agents génèrent eux-mêmes
Agents
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
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