arXiv · 机器人与计算机视觉· Junyang Chen, Yao Qin, Xiao Li, Ningchao Wang, Yiguo Qiao, Wenbin Li, Xin Geng·· 14 小时前AI 评分74
ViStep-RL:面向长程视觉智能体的分步强化学习
ViStep-RL: Stepwise Reinforcement Learning for Long-Horizon Visual Agents
AI 导读
论文提出 ViStep-RL 方法,将长程视觉智能体的执行过程建模为携带证据的子目标依赖图,通过验证器追踪子目标支持度并利用图势变化提供进度信号。在 ViInteract 基准上,该方法配合 Qwen2.5-VL-7B 达到 60.0% 的严格完成率,显著优于基线模型(10.0%)和监督微调版本(46.5%)。研究还表明增量任务状态奖励优于累积奖励,主动证据写入比自动写入提升 7.75 个百分点。
来源:arXiv · 机器人与计算机视觉 · arxiv.org