Berkeley AI Research 提出 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 提出 GRASP，一种面向学习型世界模型的梯度规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代中直接注入随机性以探索，并重塑梯度让动作获得清晰信号。该方法针对长时程规划中梯度爆炸/消失、非贪心结构导致局部极小值以及高维视觉模型梯度脆弱等问题，使基于梯度的长时程规划更稳健。
#数据/训练
Berkeley AI ResearchAI 评分3636
Berkeley AI ResearchAI 评分2424 伯克利提出信息驱动成像系统设计框架，登NeurIPS 2025
伯克利AI Research团队在NeurIPS 2025论文中提出直接以互信息评估和优化成像系统的框架，用已知噪声物理直接计算噪声项、用自回归模型学习测量分布，估计值只会上偏不会低估。该指标在彩色摄影、射电天文、无透镜成像和显微成像四个领域预测了解码器性能，优化出的设计达到SOTA端到端方法水平，且内存和算力需求更低、无需任务专用解码器。