Dwell：视觉语言智能体的潜在世界模型强化学习框架

研究者提出 Dwell，一个基于模型的强化学习框架，把视觉语言模型（VLM）重构为循环潜在转移算子，使其能在潜在空间中预测、调整并行动。该框架利用 VLM 自身的表征，以及它同时充当世界模型与策略的双重角色，从真实交互和潜在想象中持续学习。 在五个交互式视觉环境中，Dwell 取得可训练方法中最强的整体表现，同时大幅降低想象所需算力。上述结果来自作者在论文中的报告。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。