跳到正文
Hugging Face Daily Papers·· 1 天前AI 评分41

ViSkill:用可演进的视觉原生技能强化 VLM 智能体

ViSkill: Reinforcing VLM Agents with Evolving Visual-Native Skills

阅读原文

本站未展示全文,请前往来源网站阅读。

AI 导读

ViSkill 是一个视觉原生技能学习框架,将成功交互编码为 VLM 智能体可直接访问的复合视觉技能卡,检索到的技能同时引导推理与奖励塑形,成功轨迹再蒸馏回技能库形成闭环。在 Sokoban、FrozenLake 和 PrimitiveSkill 上,ViSkill 总体成功率达 0.89,加入冷启动初始化后升至 0.91,优于所有评测的闭源与开源基线,且收敛快于标准 PPO。代码已开源。

来源:Hugging Face Daily Papers · arxiv.org