arXiv cs.AI / cs.LG 最新· Haoxi Li·· 20 小时前AI 评分59
论文提出 Dwell 框架，让视觉语言智能体在自身潜空间中学习
Vision-Language Agents Can Learn in Their Own Latent Worlds
AI 导读
arXiv 论文提出 Dwell，一个把 VLM 重构为循环潜空间转移算子的基于模型的强化学习框架。它让 VLM 同时充当世界模型和策略，从真实交互与潜空间想象中持续学习并评估动作结果。在五个交互式视觉环境中，Dwell 在可训练方法里整体表现最强，同时大幅降低想象环节的算力消耗；作者认为有效的世界模型不必重建未来，只需预测对动作有用的未来，代码已公开。
标题与摘要由 AI 辅助生成，事实与观点以原文为准。
来源：arXiv cs.AI / cs.LG 最新 · arxiv.org
本站标题、摘要与推荐理由由 AI 辅助生成；原文版权归来源所有。