待验证50% 置信事实精确时间
AROMA将VLM控制拆解为五个独立问题:在哪里干预(where)、使用何种几何与增益(which geometry and gain)、如何到达目标(how)、追求哪个目标(which target)、以及何时行动(when)。
1
来源数
50%
置信度
长期有效
时效性
2026/11/13
首次发现
来源
涉及实体
相关事实
待验证VGR 需要人工设计或从数据中归纳,其质量决定 VLM 评判的上限,如果遗漏某种审美维度,模型就不会朝该方向优化。64% 相似待验证VLM在科学图表问答中需要完成OCR、图例识别、坐标轴读数、数值比较与算术推理等多级子任务,任一环节的偏差都可能导致最终答案与标准答案不匹配。64% 相似待验证传统两阶段方案将 VLM 作为规划器,输出文本指令后再交给视频-动作模型执行,存在信息损耗和执行误差无法反馈的问题。63% 相似待验证HnS方法的效果高度依赖VLM的概念检索能力和概念区域的定位精度62% 相似已验证强化学习的核心框架由智能体、环境、状态、动作和奖励五要素构成,建立在马尔可夫决策过程(MDP)之上,以五元组(S, A, P, R, γ)描述决策问题62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1165379API
curl https://kongchang.com/api/v1/knowledge/claims/1165379MCP
get_claim(id=1165379)