arXiv · AI· Zewei Zhou, Rachel Luo, Yulong Cao, Chaowei Xiao, Chensheng Peng, Boyi Li, Thomas Tian, Zheng Lian, Yan Wang, Jiaqi Ma, Boris Ivanovic, Marco Pavone, Wenhao Ding·· 2026-10-07AI 评分28
VeriFine:通过策略、课程与评判者共同进化实现具身推理自我改进
VeriFine: Scaling Verification for Self-Improvement in Embodied Reasoning
AI 导读
VeriFine框架通过策略、训练课程和评判者的共同进化,扩展了具身推理中的验证规模,克服了固定评判者对自我改进的限制。该框架包含策略改进循环,使用评分标准评判者诊断失败并优化策略;当进展停滞时,评判者改进循环通过人机协作校准解决分歧,提升评判能力。在驾驶和机器人导航任务中,实验显示策略和评判者能力在强化学习与微调中持续自我改进。
来源:arXiv · AI · arxiv.org