实体
BabyAI
BabyAI
PulseAugur coverage of BabyAI — every cluster mentioning BabyAI across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
Prefix-GRPO 增强小型语言模型以用于交互式代理
研究人员推出了一种新颖的强化学习框架 Prefix-GRPO，旨在增强小型语言模型在交互式代理任务中的性能。该方法将教师轨迹分解为与重放对齐的前缀查询和在线续接，使学生模型能够在长视界环境中更有效地学习。在 TextCraft、BabyAI 和 ALFWorld 上的实验表明，Prefix-GRPO 通过在统一的策略优化框架内优化前缀学习和续接学习，其性能优于标准的蒸馏和强化学习基线。
-
研究人员发现AI世界模型存在指令泄露问题
研究人员发现，在那些使用语言目标来接地空间关系（例如“将红色积木放在蓝色积木的左边”）的紧凑世界模型中存在一个关键问题。他们发现，这些模型经常出现“指令泄露”，即模型的准确性来自于转录指令，而不是来自于对场景的实际感知。当目标指令被撤销或更改时，准确性显著下降，这表明模型并未真正接地空间关系，从而证明了这种泄露的存在。提出的解决方案包括将目标与动态分开，并监督读取路径以实现指令无关的接地。