文章预览
报告主题 ：决策智能：基于强化学习的VLM后训练 报告日期 ：7月30日（周二）10:30-11:30 报告要点 ： 如何让VLM解决in-the-wild decision making任务？本次讲座会详细地讨论这个问题，从环境和算法上给出解决方案，并会讨论如何用这些方案解决现实问题，例如自动完成设备控制任务（如自动在手机上购物）。本次讲座将细致讨论用VLM解决in-the-wild决策任务的根本挑战，例如如何解决in-the-wild任务中出现的随机性造成的observation的变化，以及为什么目前的主流方法在这样的任务上效果有限（Prompting和SFT）。这引出了为什么需要使用强化学习来解决in-the-wild decision making任务，一个理想的强化学习算法应该具有怎样的特征。在方法部分，本次talk将讨论我们使用了怎样的方法来实践并行的环境、可靠的reward和有效的算法（automatic curriculum + doubly robust estimator + hard AWR
………………………………
