RARM：置信门控进度奖励模型

2026年10月15日，arXiv Artificial Intelligence 刊出 Pengzhi Yang 等作者的论文，提出 Reference-Anchored Reward Model（RARM）。据该报道，RARM 是一种轻量视觉比较器，可将单条成功演示转化为稠密的进度感知奖励；其训练仅需通用视频和对比时序目标，无需机器人数据、任务奖励标签或逐任务奖励工程。报道称该方法面向机器人操作强化学习中的进度奖励建模。目前该事件仅有这一篇报道，尚无后续跟进或相互矛盾的说法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。