CoT3DRef：基于链式锚点推理的数据高效三维视觉定位
三维视觉定位（3D Visual Grounding）旨在根据自然语言描述，在三维场景中定位描述所指向的具体物体。与一般的物体分类任务不同，该任务不仅要求模型判断目标属于哪一个类别，还要求模型在多个同类别实例中确定正确的空间实体。 例如，给定描述“找出距离放有白色和红色盒子的书架最近的椅子”，目标类别虽然是椅子，但模…
Blog
Notes, thoughts, and what I am learning.
Page 1
所有文章
这里收录了所有的 3 篇文章 (第 1 / 1 页)
Article Calendar
文章日历
2026 2026 · 3 篇内容
2026年8月31日
2026年9月1日
2026年9月22日
强化学习基础：从 MDP 到 Value Function
强化学习（Reinforcement Learning, RL）研究的是一类典型的 序贯决策（Sequential Decision Making） 问题。 与监督学习中“给定输入 $x$，预测标签 $y$”的学习范式不同，强化学习所关心的并不是一次孤立的预测，而是： 一个智能体应该如何在不断变化的环境中连续做出决策…
EEGAgent：基于大语言模型的自动化 EEG 分析统一框架
EEGAgent：基于大语言模型的自动化 EEG 分析统一框架 现有的 EEG（Electroencephalography，脑电图）自动分析方法已经覆盖异常脑电识别、癫痫事件检测、睡眠分期、抑郁识别等多个任务。然而，这些方法大多围绕某一个预先定义的目标独立设计：一个模型负责一个任务，一个数据集对应一种标签体系，一个…