热点事件持续更新
LEAP：从轨迹观测学习随机动作
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
2026 年 10 月 23 日，arXiv 的 cs.AI 与 cs.LG 板块发布预印本，提出 LEAP（Learned Energy on Action Paths），即一种面向科学模拟的动作学习框架。该工作针对随机动作恢复问题，在路径空间构建可微目标：先把未知动作锚定到一个可处理的参考过程上，再通过对比观测轨迹与参考轨迹来学习修正项，从而同时保留局部动力学结构和跨时间的非加性依赖。目前，该工作报告的实验覆盖随机物理系统、多体轨道动力学和分子模拟；结果显示，LEAP 能够恢复潜在动力学，并且学到的动作可以复用于路径排序与推理、机制引导、约束优化与采样。报道未给出与早先说法不一致的数字或结论。
AI 根据报道生成 · 3 小时前更新
最新进展10月23日 01:22
arXiv 发布 LEAP 框架，在路径空间学习随机动作并在多类科学模拟中验证。报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv cs.AI / cs.LG 最新LEAP：面向科学模拟的动作学习框架
LEAP（Learned Energy on Action Paths）提出面向科学模拟的动作学习框架，在路径空间构建可微目标以恢复随机动作。它把未知动作锚定到可处理的参考过程，通过对比观测轨迹与参考轨迹学习修正项，兼顾局部动力学结构与跨时间的非加性依赖。在随机物理系统、多体轨道动力学和分子模拟中，LEAP 恢复了潜在动力学，学到的动作可复用于路径排序与推理、机制引导、约束优化与采样。
本事件热度走势
当前热度 7·可比范围峰值 8（10月23日 11:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。