Comfort by Construction: Adaptive, Comfort-Bounded Action Spaces for Learned Driving Policies
该研究通过自适应调整驾驶模拟器中的动作空间，解决了因突然操作导致的舒适度问题，确保学习到的驾驶策略在保证安全的同时提高乘坐舒适度。
0 citationsRead paper
Selected work
Representative Papers
Why Does Post-Training Quantization Work?
研究解决了为什么后训练量化能有效压缩大型语言模型而不显著影响性能的问题，通过分析发现预训练过程中的误差抵消机制和LM-head几何特性是关键。
0 citationsRead paper
A Storage-Retrieval Gap in Parametric Knowledge Graph Memory
研究通过将知识图谱编译成LoRA适配器解决图检索增强生成的效率和隐私问题，但适配器选择与组合机制仍需进一步探索。
0 citationsRead paper
Constraint-Guided Enterprise Data Mapping with Large Language Models
本文提出了一种约束引导映射方法，通过结合神经和符号技术解决企业数据映射中的结构和物理不变性问题，提高匹配准确性。
0 citationsRead paper
Scaling Curriculum Learning For Autonomous Driving
研究解决了自动驾驶中强化学习样本效率低的问题，通过引入基于无监督环境设计的课程学习方法CL4AD，提高了学习效率和成功率。
0 citationsRead paper
Recent publications
Latest Papers
Comfort by Construction: Adaptive, Comfort-Bounded Action Spaces for Learned Driving Policies
该研究通过自适应调整驾驶模拟器中的动作空间，解决了因突然操作导致的舒适度问题，确保学习到的驾驶策略在保证安全的同时提高乘坐舒适度。
0 citationsRead paper
Why Does Post-Training Quantization Work?
研究解决了为什么后训练量化能有效压缩大型语言模型而不显著影响性能的问题，通过分析发现预训练过程中的误差抵消机制和LM-head几何特性是关键。
0 citationsRead paper
A Storage-Retrieval Gap in Parametric Knowledge Graph Memory
研究通过将知识图谱编译成LoRA适配器解决图检索增强生成的效率和隐私问题，但适配器选择与组合机制仍需进一步探索。
0 citationsRead paper
Constraint-Guided Enterprise Data Mapping with Large Language Models
本文提出了一种约束引导映射方法，通过结合神经和符号技术解决企业数据映射中的结构和物理不变性问题，提高匹配准确性。
0 citationsRead paper
Scaling Curriculum Learning For Autonomous Driving
研究解决了自动驾驶中强化学习样本效率低的问题，通过引入基于无监督环境设计的课程学习方法CL4AD，提高了学习效率和成功率。
0 citationsRead paper