π_(0.5)在BEHAVIOR-1K上的推理设置配对评估

既有推理与数据收集策略难以统一迁移到新任务。

资讯摘要

论文对基于2025 BEHAVIOR挑战赛获胜方案微调的π_(0.5)模型，在BEHAVIOR-1K全部100个任务上系统配对评估此前提出的推理与数据收集策略。该模型在公开测试集上Q-score为0.39。作者报告，这些策略并不能统一迁移到新环境和新任务。

要点速读

1. 评估对象为基于2025 BEHAVIOR挑战赛获胜方案微调的π_(0.5)模型，公开测试集Q-score为0.39。
2. 在BEHAVIOR-1K全部100个任务上，对既有推理与数据收集策略做系统配对评估。
3. 作者报告：这些策略无法统一迁移到新环境和新任务。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。