提出UniIntervene,一种代理干预模型,通过未来条件动作值估计和时序值风险批评器检测无生产力的探索,并利用记忆引导的恢复策略自主纠正,在真实世界操作任务上平均成功率提升8.6%,人力干预减少57%。
机构:南洋理工
来源:arXiv 2606.12372 | AI4Papers 论文推荐平台