离线学习语言到生物干预映射

Nam H. Le 等研究者发表论文，提出一种完全离线的语言到干预映射学习方法：以视觉语言模型自身的判断作为唯一训练奖励，为无神经系统的合成多细胞构造 xenobot 构建自然语言接口，将指令映射到档案中已记录、能产生所述行为的干预。 该方法在未参与训练的档案数据上取得 80.0% 的留出准确率，高于 66.7% 的随机基线，并与直接用真实标签训练的模型相当。研究称该映射可泛化到全新指令，且整个过程未做新实验、未经人工验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。