LEARNING
MPCoT：奖励引导的多路径潜在推理用于测试时可扩展的视觉-语言-动作
Boyang Zhang, Lianlei Shan
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
MPCoT提出了一种奖励引导的多路径潜在推理框架，通过初始化多个假设并逐步优化，在保持原始动作接口的同时提升长时域控制性能。该方法在LIBERO和CALVIN基准上验证了其有效性，并通过消融实验揭示了深度-宽度效应和奖励引导路径监督的重要性。
关键词
vision-language-actionlatent reasoningreward-guidedmulti-pathtest-time scaling
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018