Kaiwen Dong

収録論文 1本 ・ フィジカルAI/ロボット学習

※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。

論文

• 世界モデルのためのテキスト信念状態：厳密な媒介下での識別可能な表現学習
  世界モデル/表現学習2026/6/26

  LLMベースの世界モデルで、履歴バイパスによる表現の未識別性問題を解決するため、テキスト潜在状態と木構造強化学習法fGRPOを導入し、厳密な媒介を強制して表現品質とロールアウト性能を大幅に向上させた。