提出 VLM 引导强化学习框架 CCGP-2M
热点事件持续更新
提出 VLM 引导强化学习框架 CCGP-2M
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
2026 年 11 月,Yajie Qi 团队在 arXiv 发布新研究,针对 Craftax-Classic 环境中稀疏奖励导致的探索难题,提出名为 CCGP-2M 的多模态目标偏好数据集。 该数据集基于交互轨迹构建,并配套提出视觉语言模型(VLM)引导的强化学习框架。框架采用离线 KLTDPO 微调对齐目标偏好,在线阶段实现目标引导,旨在解决特定环境下的学习困境。 实验结果显示,该框架优于 SOTA 基线,能更早收集钻石,并达成最高的分数、奖励及成功率。此进展为多模态强化学习在复杂环境中的应用提供了新范例。
AI 根据报道生成 · 13 小时前更新
最新进展11月20日 13:00
CCGP-2M:基于视觉语言模型微调的 Craftax 强化学习框架报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv · MLCCGP-2M:基于视觉语言模型微调的 Craftax 强化学习框架
研究提出 CCGP-2M 多模态目标偏好数据集及 VLM 引导强化学习框架,解决 Craftax 环境中稀疏奖励导致的探索难题。 该框架采用离线 KLTDPO 微调对齐目标偏好,在线阶段实现目标引导。实验显示其比 SOTA 基线更早收集钻石,并达成最高分数、奖励及成功率。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 911月20日 16:00
- 近 24 小时变化
- –
02.557.510
18:0021:0011月21日03:00
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。