研究者发布BIRD基准统一评测LLM奖励设计方法

1. 12:00
   arXiv cs.RO 机器人学

   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

   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。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。