RARM：用单次演示生成进度奖励模型

Pengzhi Yang等作者提出Reference-Anchored Reward Model（RARM），将单次成功演示转换为稠密的进度感知奖励，用于机器人操作强化学习。该模型是一个轻量级视觉比较器，只在置信时奖励前进进度，抑制可能产生假阳性奖励的不确定匹配。 目前结论来自作者在arXiv cs.AI发布的论文，未披露实验任务、数据集和对比基线等验证细节。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。