arXiv · cs.AI · Bertram Taetz, Hugo Albuquerque Cosme da Silva, Gabriele Bleser-Taetz · 9 小时前模型评分34
面向持续运动-语言智能体：用 低秩适配（LoRA，Low-Rank Adaptation） 变体实现增量运动理解与生成
Towards Continual Motion-Language Agents: LoRA Variants for Incremental Motion Understanding and Generation
导读
研究团队提出基于冻结大语言模型主干的 低秩适配（LoRA，Low-Rank Adaptation） 变体，让运动-语言智能体在连续学习新动作概念时减少任务间干扰。他们构建了基于 HumanML3D 的五任务基准，在运动转文本和文本转运动两个方向上实现接近零遗忘，并保持较高的生成与描述质量。实验还显示，推理时用自动编码器路由器做硬专家选择，质量指标明显优于软专家混合。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “Building on a frozen large language model backbone, we introduce low-rank adaptation (LoRA) variants designed to mitigate inter-task interference.”
来源：arXiv · cs.AI · arxiv.org