标签
本文提出了一种面向自主机器人的思维-学习交互模型，使其能够在开放环境中自适应地发现新特征、扩展输出类别、更新学习模型并重构动作流程。实验结果表明，该模型在识别精度、类别形成和动作效率方面均有显著提升。
本文提出了一种基于注释者间一致性和标签解耦的可解释文本表示的操作性标准，并引入了LLM辅助特征发现（LFD）方法，该方法通过跨LLM一致性筛选和残差预测增益来选择清晰、标签解耦的特征。实验表明，LFD在保持预测性能的同时，产生了更可解释的特征，并通过人工审计进行了验证。