IXThinker·2025-12-01 13:00告別人類獎勵：視覺語言Agent自進化
一項新研究提出讓視覺語言Agent告別人類獎勵，透過持續自進化不斷改進自身能力。這類方法減少對人工標註與監督的依賴，被視為推動Agent走向長期自主任務的重要探索方向。
人類獎勵的瓶頸
傳統訓練依賴人類標註的獎勵信號，成本高、規模有限，且難以覆蓋複雜多變的視覺任務。當Agent要處理的場景越來越開放，靠人力逐條打分的模式已經難以為繼。
IXThinker 會員內容
呢篇係 Archive 內容。登入即可解鎖全文，仲有成個 15,000+ 篇、每日更新嘅 AI 動態資料庫。
免費登入／註冊解鎖全文 →Google 或電郵地址即可，即刻解鎖。