FETA视觉语言导航测试时自适应方法提出

2026年10月23日，arXiv Computer Vision 报道了 Zixu Wang 等作者提出的 FETA 方法，这是一种面向视觉语言导航（VLN）的反馈高效测试时自适应方法，旨在减少人工干预。据该报道，FETA 先筛选归一化策略熵波动较大的轨迹，再用熵梯度显著性准则选出关键动作并仅查询一次二元反馈，随后用差异感知熵优化目标只在被查询步骤更新策略。报道称，多基准实验显示 FETA 在更少人工干预下达到 SOTA，并在噪声反馈与持续自适应场景下保持稳健。目前事件进展停留在该方法被提出及其实验结果的报道层面，尚无后续跟进报道。

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。