arXiv cs.RO 机器人学· Logan Mondal Bhamidipaty, Lauren Robson, Linda Petrini, Shengrui Lyu, Kamal Ndousse·· 2 天前AI 评分47
迭代式奖励设计全景：BIRD 基准统一评测 LLM 奖励函数生成方法
A Bird's-Eye View of Iterative Reward Design
AI 导读
研究者提出迭代式奖励设计基准 BIRD，将现有 LLM 奖励代码生成与迭代改进方法统一到同一配置与评测空间，便于直接对比、消融设计选择。在 MuJoCo、Meta-World、Assistax、HumanoidBench 上，少量简单设计选择持续提升性能，组合后显著优于先前方法。代码已开源。
来源：arXiv cs.RO 机器人学 · arxiv.org