视频深度估计，ETH Zurich、CMU提出RollingDepth新方法

大模型(LLM)是一种人工智能模型，旨在理解和生成人类语言。它们在大量的文本数据上进行训练，可以执行广泛的任务，包括文本总结、翻译、情感分析等等。LLM的特点是规模庞大，包含数十亿的参数，帮助它们学习语言数据中的复杂模式。这些模型通常基于深度学习架构，如转化器，这有助于它们在各种NLP任务上取得令人印象深刻的表现。

2022年底，OpenAI 推出的基于 GPT-3.5 的大型语言模型 ChatGPT，由于其优秀的表现，ChatGPT 及其背后的大型语言模型迅速成为人工智能领域的热门话题，吸引了广大科研人员和开发者的关注和参与。

为了方便大家阅读，只列出了论文标题、AMiner AI综述等信息，如果感兴趣可点击查看原文，PC端数据同步（收藏即可在PC端查看），每日新论文也可登录小程序查看。

如果想要对某篇论文进行深入对话，可以直接复制论文链接到浏览器上或者直达AMiner AI页面：
https://www.aminer.cn/chat/g/explain

GRAPE: Generalizing Robot Policy via Preference Alignment

【要点】：本文提出GRAPE方法，通过偏好对齐提升视觉语言行动（VLA）模型在不同任务中的泛化能力，实现更高的成功率与效率。
【方法】：GRAPE通过轨迹级别的偏好对齐，隐式学习成功和失败尝试中的奖励，分解复杂操作任务为独立阶段，并通过大型视觉语言模型提出的时空关键点自动引导偏好建模。
【实验】：作者在真实世界和模拟环境中对GRAPE进行了评估，使用的数据集为标准机器人操作任务集，结果显示GRAPE提升了现有VL