2025年7月14日
Skill Discovery | DoDont：使用 do + don't 示例视频，引导 agent 学习人类期望的 skill
摘要： dodont 将好坏行为的分类器 p hat 融入了 metra 框架里，因此看起来很有直觉。 阅读全文
posted @ 2025-07-14 12:38 MoonOut 阅读(259) 评论(0) 推荐(1)