arXiv Artificial Intelligence· Pu Li, Zhigang Lin, Qiang Wu, Yongxuan Lv, Fei Wang, Shan You·· 18 小时前AI 评分27
Reward as an Agent：用智能体奖励框架与 DynDiff-GRPO 扩展具身世界模型强化学习
Reward as An Agent for Embodied World Models
AI 导读
针对具身世界模型强化学习中保守 rollout 限制探索的问题，作者提出 Reward as an Agent 智能体奖励框架，主动评估生成行为以提供稳健奖励信号、缓解分布偏移下的 reward hacking。
来源：arXiv Artificial Intelligence · arxiv.org