arXiv · 机器人与计算机视觉· Wenbo Huang, Jianxin Bi, Shunyu Yang, Ruiyang Si, Rui Ni, Qiang Wang, Shulong Jiang, Yintianrun Zhang, Feixiang Ruan, Kewei Zhang, Ye Huang, Shukai Gong, Daquan Zhou·· 13 天前精选AI 评分82
学习任务还是学习验证器?反思具身自我改进中的标准暴露问题
Learning the Task or Learning the Verifier? Rethinking Criteria Exposure in Embodied Self-Improvement
AI 导读
该论文针对具身智能体在仿真基准测试中暴露验证标准(Criteria Exposure)的做法提出质疑。研究发现,当智能体被暴露于此类标准时,虽能快速生成高评分代码,但一旦标准微调便失效,且技能跨任务迁移性差。作者进一步提出了更忠实于指令的验证标准方案。
推荐理由
实验表明暴露验证标准会导致模型过拟合评分而非完成任务,且技能迁移性差。
来源:arXiv · 机器人与计算机视觉 · arxiv.org