Новости

Same Trajectory, Contradictory Rewards (ROBORMBENCH): Paraphrase Fragility in Vision Language Reward Models

arXiv cs.AI · Опубликовано 4 сентября 2026 г. · 3 мин чтения

За 30 секунд

Что произошло: Researchers found vision-language models used as robot reward functions fail when instructions are paraphrased, sometimes flipping success to failure for identical behavior.
Почему это важно: Matters for engineers building robot learning systems that rely on VLM-based reward models to evaluate task progress and guide training.
На что обратить внимание: Paraphrase instability persists across proprietary and open-source models and is not reliably fixed by model scale or reasoning techniques alone.

Каждый разбирает, как работает техника, когда она оправдывает затраты и где ломается.

Один паттерн, один компромисс, одна история сбоя в продакшене. Короткий еженедельный брифинг для тех, кто строит агентные системы.

Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.

Новости

arXiv cs.AI · Опубликовано 4 сентября 2026 г. · 3 мин чтения

Что произошло: Researchers found vision-language models used as robot reward functions fail when instructions are paraphrased, sometimes flipping success to failure for identical behavior.
Почему это важно: Matters for engineers building robot learning systems that rely on VLM-based reward models to evaluate task progress and guide training.
На что обратить внимание: Paraphrase instability persists across proprietary and open-source models and is not reliably fixed by model scale or reasoning techniques alone.

Каждый разбирает, как работает техника, когда она оправдывает затраты и где ломается.

Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.