生成-排序两阶段方法提升具身智能体目标解释
热点事件持续更新
生成-排序两阶段方法提升具身智能体目标解释
1 篇报道1 个报道来源21 小时前更新
先了解这件事
AI 综述
Jisen Lei 等人提出两阶段“生成-排序”方法，用于 Embodied Agent Interface（EAI）中的符号目标解释：先用监督微调让大语言模型适配 EAI 的输出规范，再用 Candidate-Output Ranking from Errors（CORE）从模型自身生成的候选中学习偏好。 在 EAI 基准的家庭场景上，该方法对 DeepSeek-V3 chat、DeepSeek-Reasoner、Qwen2.5-7B 和 Qwen2.5-72B 等开源模型进行了评测，效果优于简单提示、chain-of-thought 和知识图谱基线方法。
AI 根据报道生成 · 4 小时前更新
最新进展11月5日 19:05
Generate-then-Rank：为具身智能体学习符号目标解释报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv · cs.AIGenerate-then-Rank：为具身智能体学习符号目标解释
研究提出两阶段"生成-排序"方法用于 Embodied Agent Interface（EAI）中的目标解释：先用监督微调让 LLM 适配 EAI 输出规范，再用 Candidate-Output Ranking from Errors（CORE）从模型自身生成的候选中学习偏好。在 EAI 基准的家庭场景上评测了 DeepSeek-V3 chat、DeepSeek-Reasoner、Qwen2.5-7B 和 Qwen2.5-72B 等开源模型，效果优于简单提示、chain-of-thought 和知识图谱基线方法。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 611月6日 12:00
- 近 24 小时变化
- –
02468
12:0013:0014:0015:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。