标签
本文提出一种新范式VLM-as-probabilistic-grounder，它将视觉语言模型中的不确定性建模为概率分布，用于符号信念空间规划，从而增强在部分可观测环境中的鲁棒性。
本文介绍了YUKTI框架，该框架通过使用不确定性类型化的命题图、带有遗憾边界的假设鲁棒帕累托前沿以及多阶段优化交接，将自然语言决策情境转化为鲁棒、可验证的决策。在合成数据集和真实数据集上的验证表明，与朴素点解方法相比，它显著降低了遗憾，并揭示了语言模型推理的局限性。