哈佛BEACON论文获NeurIPS 2026接收

2026年10月27日，AGI Hunt 报道，哈佛 Heng Yang 团队的 BEACON 论文被 NeurIPS 2026 接收。该研究针对机器人策略的跨域数据混合问题，提出让模型自己学习每条源域数据应当获得多少信任，而不是固定比例混合。方法上，该研究把跨域共训建模为差异感知的重要性重加权，联合训练扩散视觉运动策略与逐样本源数据权重。在 sim-to-sim、sim-to-real 与多源操作实验中，BEACON 的鲁棒性和数据效率优于仅用目标域数据、固定比例混合和特征对齐基线。目前该报道为这一进展的唯一来源，团队尚未公布论文全文或代码等更多信息。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。