JoyInside-VLM-Agent 论文提出分阶段多模态策略学习框架

Gangyi Li 等人发布论文，提出面向机器人平台与智能硬件的 ReAct 式多模态智能体 JoyInside-VLM-Agent，通过产品条件化轨迹构建与分阶段策略学习训练，流程包含监督微调、多教师 on-policy 蒸馏，以及名为 DPER 的强化学习方法——DPER 在冻结的特权教师与共享 rollout 策略参数的特权学生之间路由 token 级证据。 评测方面，该系统在 BFCL v4 上取得 77.44 的总分，超过所评测的基线，但在其他公开基准上结果不一；在 JoyInside-Devices 与 JoyInside-Robotics 上，包含领域技能精调的被评测系统在所有报告指标上领先基线。

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。