Tag
论文提出RSI-Nav，一个面向视觉语言导航的数据驱动递归自我改进框架，通过策略同步的语言-动作双重自举在共享模型内统一指令生成与执行，并以分片式即时更新保持监督信号与演进策略的一致性，在R2R-CE和RxR-CE上分别达到68.6%和72.4%的成功率。
UniData 提出一个通用多模态指令生成流水线，将简单用户需求扩展为多轮多模态指令，并构建了涵盖九种模态的 20,000 条 UniDataset，以提升多模态大模型的数据质量与能力。