Tag · 2 篇
策略学习
分布 视觉语言模型1强化学习与具身智能1
01 02
以博弈论多智能体协作框架应对模型偏差的仇恨模因分类
Tackling Model Bias via Game-theoretic Multi-agent Collaboration Framework for Hateful Meme Classification
把多个 LMM 当作博弈参与者，用个体准确率与跨模型一致性构成的混合奖励引导它们收敛到合作均衡，这一思路可直接迁移到任何需要多模态模型集成或投票的视觉-语言任务（如 VQA、多模态事实性判别），用来缓解单个模型的认知偏差。
面向机器人强化学习的通用过程奖励建模
General Process Reward Modeling for Robotic Reinforcement Learning
多视角奖励融合与逐步奖励离散化为视觉研究者提供了从多视角观测中提取细粒度操作进度信号的通用范式，可直接复用于机器人操作策略的稠密奖励建模与单样本任务适配。