ViSkill:视觉原生技能卡片强化VLM Agent,成功率0.89
zju · hf · 2026-10-09
- ZJU 提出 ViSkill,视觉原生技能学习框架:把成功交互编码为 VLM agent 可直接访问的复合视觉技能卡片,检索到的技能同时指导推理与奖励塑形;成功轨迹再蒸馏回技能库,形成技能积累与策略提升互相强化的闭环,另含可选冷启动机制加速早期学习。
- 与多数文本中心方法不同,避免了把空间布局线性化为语言而丢失几何结构的问题。
- 在 Sokoban、FrozenLake、PrimitiveSkill 上总体成功率 0.89(冷启动后 0.91),超过所有受测闭源与开源基线,且比标准 PPO 收敛更快。代码开源。
「编程与Agent」频道最新
- OpenJet 引擎宣称 Qwen3.8-27B 推理速度达 llama.cpp 1.9 倍 — JeremyCMorgan · 2026-10-23
- 黄仁勋详解 Vera Rubin 代理系统完整架构:NVL72+MGX+CMX+RTX — rohanpaul_ai · 2026-10-23
- 用 Hermes 搭建全自动 SEO 智能体：三个 skill 覆盖关键词到建站 — EXM7777 · 2026-10-23
- 从赛事研究到链上下单：一个「默认需人工批准」的下注 agent 架构复盘 — Dry-Comfortable-2678 · 2026-10-23
- Capy 0.5.0 支持复用 Claude Pro/Max 订阅额度,并新增 OIDC 云端访问 — garrytan · 2026-10-23
- You.com CEO Richard Socher：遗留代码就是人类垃圾，该让 AI 清理 — RichardSocher · 2026-10-23