💫Сотрудники и студенты из команды ЦКМ и Института AIRI на ICML 2026!
На этой неделе в Сеуле прошла ICML 2026 — одна из сильнейших мировых конференций в области машинного обучения (категория А*).
KAGE-Bench: Fast Known-Axis Visual Generalization Evaluation for Reinforcement Learning — бенчмарк для быстрой и прозрачной оценки того, как алгоритмы обучения с подкреплением обобщают визуальные признаки по заданным осям (цвет, фон, форма объектов).
Авторы: Егор Черепанов, Даниил Зелезецкий, Алексей Ковалёв, Александр Панов.
Don’t Blind Your VLA: Aligning Visual Representations for OOD Generalization — метод выравнивания визуальных представлений, который заметно повышает устойчивость Vision-Language-Action моделей к данным вне распределения (out-of-distribution).
Авторы: Никита Качаев, Михаил Колосов, Даниил Зелезецкий, Алексей Ковалёв, Александр Панов.
VLA Grounder: Language-Conditioning Space Optimization for Black-Box VLA Models — подход к улучшению поведения уже обученных VLA-моделей за счёт оптимизации языковых условий в скрытом пространстве — без доступа к внутренним весам модели.
Авторы: Дамир Шодиев, Алексей Староверов, Никита Качаев, Алексей Ковалёв, Александр Панов.
🪼Погружайтесь в атмосферу конференции с фотографиями от команды и давайте поздравим авторов реакциями!
На этой неделе в Сеуле прошла ICML 2026 — одна из сильнейших мировых конференций в области машинного обучения (категория А*).
KAGE-Bench: Fast Known-Axis Visual Generalization Evaluation for Reinforcement Learning — бенчмарк для быстрой и прозрачной оценки того, как алгоритмы обучения с подкреплением обобщают визуальные признаки по заданным осям (цвет, фон, форма объектов).
Авторы: Егор Черепанов, Даниил Зелезецкий, Алексей Ковалёв, Александр Панов.
Don’t Blind Your VLA: Aligning Visual Representations for OOD Generalization — метод выравнивания визуальных представлений, который заметно повышает устойчивость Vision-Language-Action моделей к данным вне распределения (out-of-distribution).
Авторы: Никита Качаев, Михаил Колосов, Даниил Зелезецкий, Алексей Ковалёв, Александр Панов.
VLA Grounder: Language-Conditioning Space Optimization for Black-Box VLA Models — подход к улучшению поведения уже обученных VLA-моделей за счёт оптимизации языковых условий в скрытом пространстве — без доступа к внутренним весам модели.
Авторы: Дамир Шодиев, Алексей Староверов, Никита Качаев, Алексей Ковалёв, Александр Панов.
🪼Погружайтесь в атмосферу конференции с фотографиями от команды и давайте поздравим авторов реакциями!