Act3D 用结果奖励 RL 教 VLM 主动探索 3D,六大基准平均 53.2%
_akhaliq · x · 2026-10-20
Hugging Papers 转发的 Act3D 展示了一种让视觉语言模型「学会在 3D 中思考和探索」的方法：模型只拿到一张图像，通过仅用最终结果的强化学习（outcome-only RL）自主决定何时、如何移动相机来收集证据。
- 在六个 3D 基准上平均取得 53.2%
- 相比其基座模型 Qwen 提升 +22%
- 成绩超过 Gemini 3.6 Flash
所属事件:ACT3D：用结果奖励强化学习让 VLM 主动探索 3D 世界(2 条相关)→
「研究」频道最新
- arXiv 论文为 StopGrad 正名：无损失函数也能收敛到正确解 — srush_nlp · 2026-10-23
- PEARL 演示：LLM 机器人自主核对实验结果、修正方案并复测 — KevinKaichuang · 2026-10-23
- 伯克利 StyleStream 2.0：流式语音转换延迟降至 520ms 提速一倍 — Berkeley · 2026-10-23
- 数学博士生宣布离开学术界：AI 正让数学变得面目全非 — pickover · 2026-10-23
- ICLR 投稿现 LLM 残留自评：作者模型自曝结果不显著 — _onionesque · 2026-10-23
- AKV 推理系统让 Agent 自管 KV 缓存,成本降 27.7% 准确率反升 — _akhaliq · 2026-10-23