提出SOLE-R1视频-语言推理模型,作为在线强化学习的唯一奖励信号,通过每步时空链式思维推理和自然语言目标下的任务进度密集估计,实现零样本机器人操作任务学习,无需真值奖励、演示或任务调优,并在24个未见任务上超越GPT-5和Gemini-3-Pro等强基线。
机构:MIT
来源:arXiv 2603.28730 | AI4Papers 论文推荐平台
AI4Papers 是一个以每日 arXiv 论文发现为入口的 AI 科研工作流平台,帮助研究者用最短时间掌握最新 AI/ML 前沿动态。
核心功能完全免费。高级 AI 功能(对比分析、深度研究、灵感工作台)支持自带兼容 API Key(如 OpenAI、通义千问)无限使用。
免费注册 | 使用教程