11:47
官方账号arXiv cs.LG@Pyrros Koussios, Chenhao Li, Xin Chen, Andreas Krause
推荐理由：SAFT用结构先验替代人工标注，给VLM奖励模型降噪，训练收敛更快，EPIC距离也更好了。
SAFT
共 1 条相关 AI 资讯
8月5日
11:47
SAFT是一种自监督方法，通过LoRA适配器利用任务固有结构先验来正则化VLM的潜在空间，无需人工标注即可在线优化奖励信号。在多个基础模型能力范围内测试，SAFT持续降低奖励噪声，加速策略收敛，并使EPIC距离显著改善。研究表明VLM奖励模型的失败多源于结构脆弱性而非语义误解，SAFT为文本条件强化学习提供了可扩展的稳定路径。