arXiv · Artificial Intelligence· Yezhou Cheng, Runjia Du, Zeming Liu, Hang Lyu, Zehua Yang, Bojun Lin·· 3 小时前AI 评分33
GAVA：基于观测有界证据与期望损失规则的文本具身智能体纠正仲裁
Knowing When to Yield: Grounded Arbitration of User Corrections in Text-Based Embodied Agents
AI 导读
GAVA 在文本版 ALFWorld 上用 162 个检查点、972 对真假干预评估四种纠正仲裁策略。完整本地检验使 GAVA 达到 100% 纠正准确率，并降低交互成本；引入仅训练的对象位置先验后，在 340 个未见场景中交互成本与联合成本分别相对下降 0.490 和 0.420，并在 77 个不重叠检查点、308 个场景复现（0.595 与 0.517）。
来源：arXiv · Artificial Intelligence · arxiv.org