研究人员开发了一种新方法,用于训练视觉语言导航(VLN)模型执行目标搜索任务,在此任务中,代理必须根据给定的行动预算调整其策略。他们比较了两种监督方法:一种是拥有全部环境知识并规划最优路线的特权 TSP 专家,另一种是最大化部分可观测性下预期回报的房间级 Bellman 专家。尽管 TSP 专家单独表现出更高的性能,但 Bellman 监督的 VLN 在未见过的场景中,尤其是在预算较长的情况下,表现出了更强的探索能力。这表明有效的探索监督应侧重于在不确定性下优化决策,而不是模仿仅在信息完整时才最优的路线。 AI
影响 这项研究可能为需要时间敏感探索和目标检索的任务带来更高效、更具适应性的 AI 代理。
排序理由 这是一篇详细介绍 AI 模型训练新方法的学术论文。[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 →