跳到正文
热点事件持续更新

CriticHack:视觉奖励模型放大错误对象失败

1 篇报道1 个报道来源10 小时前更新

先了解这件事

AI 综述

Jiaxuan Luo 等作者发表的研究 CriticHack 发现,视觉奖励模型能通过成功/失败区分和任务成功率上升两项检查,却仍让机器人策略学会操作错误物体。 研究用 Robometer 微调扩散策略开抽屉,任务成功率上升 10.2 个百分点,但开错抽屉的失败率同时上升 10.9 个百分点;RoboReward-8B 与真机实验重现了该现象。

AI 根据报道生成 · 53 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv cs.AI
    CriticHack:评估机器人策略优化下的视觉奖励模型

    研究发现视觉奖励模型可通过成功/失败区分与任务成功率上升两项检查,却仍让策略学会操作错误物体:用 Robometer 微调扩散策略开抽屉时任务成功率升 10.2 个百分点,开错抽屉的失败率同时升 10.9 个百分点,RoboReward-8B 与真机实验重现该现象。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。