研究者提出PGPG无监督偏好对齐框架

2026年10月20日arXiv Robotics报道，Tung M. Luu等作者提出Progress-Guided Preference Generation（PGPG）无监督偏好对齐框架。该框架通过有序覆盖对齐衡量自主采集rollout相对少量专家演示的序列进度，自动生成伪偏好标签，从而无需人工在环监督、也无需手工设计奖励函数即可微调预训练生成式策略。报道称，该方法在多项长时程操作任务上优于标准监督微调基线，并可同时适配diffusion与flow-matching策略。目前进展停留在方法提出与实验对比阶段，尚无后续跟进报道。

AI 根据报道生成 · 49 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。