arXiv · cs.AI· Pu Li, Zhigang Lin, Qiang Wu, Yongxuan Lv, Fei Wang, Shan You·· 11 小时前
奖励建模为智能体以改进具身世界模型探索
Reward as An Agent for Embodied World Models
arXiv:2606.19990v3阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Pu Li, Zhigang Lin, Qiang Wu, Yongxuan Lv, Fei Wang, Shan You
研究任务与主要进展
Pu Li等人提出“Reward as an Agent”奖励智能体框架，并结合DynDiff-GRPO扩大具身世界模型中的动作空间探索，目标是提高轨迹多样性并缓解分布偏移下的奖励投机。基于论文摘要，该方法在多个开源世界模型上取得准确性提升，但具体实验、基线和评估细节未提供。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org