arXiv · cs.AI· Haoxi Li·· 18 小时前AI 评分48
视觉-语言智能体可在自身潜在世界（Dwell 框架）中学习
Vision-Language Agents Can Learn in Their Own Latent Worlds
来源与原文
arXiv · cs.AI
作者：Haoxi Li
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.36925v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
论文提出基于模型的强化学习框架 Dwell，将 VLM 重构为循环的潜在转移算子，使其同时充当世界模型与策略，从真实交互和潜在想象中持续学习。在五个交互式视觉环境中，Dwell 取得可训练方法中最强的整体性能，并大幅降低想象所需的计算量。代码已公开。
来源：arXiv · cs.AI · arxiv.org