研究人员推出了一种名为VETR的新框架,旨在改进用于符号图形推理的视觉代理。VETR通过使代理能够从执行跟踪中递归地提取可操作的证据来解决模糊监督的挑战。这使得代理能够理解在程序执行过程中哪些符号编辑是有效的。使用GPT-5.6-luna和Qwen3.8-27B等模型在BlenderGym和BlenderBench上的评估表明,VETR的表现优于现有的改进策略。 AI
影响 这项研究可能带来更强大的AI代理,用于涉及视觉推理和符号操作的任务。
排序理由 该集群包含一篇详细介绍新框架及其在基准测试上评估的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →