实体 Demo2Reward

Demo2Reward

PulseAugur coverage of Demo2Reward — every cluster mentioning Demo2Reward across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_65428 · Jun 2 · 04:00

新方法使用专家演示优化 VLM 奖励模型

研究人员开发了一种名为 Demo2Reward 的新方法，用于优化视觉语言模型 (VLM) 在强化学习中用作奖励模型的语言指令。该技术利用少量专家演示来微调 VLM 的奖励函数，旨在减少假阳性而不牺牲真阳性。Demo2Reward 在策略学习期间无需额外训练，并在各种模拟机器人任务中表现出卓越的性能，有效地迁移到现实世界的机器人学习场景。