标签
RubricForge从带标签的轨迹中诱导评估标准，以减少语言模型智能体评估中的过度信任，增强保真度，而无需环境访问。
Rank-Then-Act (RTA) 是一个从专家视频演示中学习控制策略的框架，无需环境奖励。它使用视觉语言模型作为基于进度的序数评分器，并结合基于相关性的奖励。该方法实现了稳定的跨任务迁移，并在离散和连续控制基准上优于以往方法。