#Meta-World

训练模型同时兼顾多个目标时总顾此失彼？这篇论文给了可量化的冲突度量加两个能落地的算法，Meta-World 上实测涨了 4.3%。

这论文教你用VLM给RL智能体自动设计奖励函数，不用手动调公式，在Meta-World和Franka Kitchen上训练更快，还防奖励黑客。

UBP2通过主动探索和不确定性平衡，有效解决了偏好强化学习中样本效率低的问题。在Meta-World测试中效果显著。