实体
PlanBench
PlanBench
PulseAugur coverage of PlanBench — every cluster mentioning PlanBench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
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 2 条
-
新的AI训练方法使用治理记录改进工作流修复
研究人员开发了一种名为验证器选择的自训练（VSST）的方法，该方法利用机器可验证工作流中的治理记录来监督AI模型。这些记录包括任务合同、模型尝试和验证器决策，可以训练模型可靠地执行任务，而无需明确的Oracle目标或更强的教师。在PlanBench数据集上的实验表明，使用VSST训练的模型在生成已接受计划的能力方面得到了显著提高，优于其他目标选择方法。
-
新的CoSPlan基准挑战视觉规划任务中的视觉语言模型
研究人员推出了CoSPlan，这是一个旨在评估视觉语言模型（VLM）在视觉领域顺序规划能力的新基准。与基于文本的规划不同，CoSPlan要求模型执行一系列视觉动作，检测错误步骤并进行纠正以达到目标场景。尽管采用了思维链（Chain-of-Thought）和场景图（Scene Graphs）等高级策略，VLM在CoSPlan上仍面临挑战。为解决此问题，该论文提出了场景图增量更新（SGI），一种无需训练的方法，可优化文本场景图以进行分步推…