北京大学与新加坡国立大学论文研究具身智能体的判据暴露现象

北京大学与新加坡国立大学团队发布论文《Learning the Task or Learning the Verifier?》，研究具身自改进智能体中的判据暴露现象。向智能体暴露基准的成功判据，可提高其在这些判据上的测得成功率，但不会提升按指令完成任务的真实能力；该优势在判据稍作改动后明显减弱，跨任务迁移也较差。论文提出忠于指令的判据，以更真实地反映智能体完成指令任务的水平。