D&A 方法:把「描述」与「评估」解耦,让任意 VLM 变身机器人奖励模型
weichiuma · x · 2026-11-04
华盛顿大学团队推出 D&A(Describe & Assess):发现 VLM 直接当奖励模型时有严重确认偏误——倾向高估任务成功程度。解药是把「描述发生了什么」与「评估做得好不好」两步解耦，类似 LLM 的 rubric-based rewards:先定义成功标准，再按 rubric 一致打分。
「具身」频道最新
- NVIDIA 用 AI 智能体全流程训练机器人走障碍赛 — tomaszbednarz · 2026-11-04
- 前 GPT-4 时代创立的团队宣布下周出货 Stream：思维的延伸 — pzakin · 2026-11-04
- 团队从零自研机器人学习栈:整机不到 1.5 万美元 — ChongZzZhang · 2026-11-04
- Jitendra Malik 提议机器人操纵「五岁小孩对照测试」,业界响应 — BradPorter_ · 2026-11-04
- 网友用编码 Agent 复活吃灰的 Meta Portal：旧设备接新界面 — msg · 2026-11-04
- BBC 实拍脑机接口外骨骼手套，助中风患者重获手部功能 — prokarurol · 2026-11-04