D&A：解耦描述与评估，让VLM成为零样本机器人奖励模型

论文提出纯提示式D&A，解耦描述与评估以缓解VLM奖励估计的确认偏差。

资讯摘要

论文提出D&A（Describe & Assess）方法，将视觉语言模型的任务进度估计解耦为两步：先对场景动态生成客观、任务相关的文本描述，再依据显式评分标准进行评估。作者称，该方法通过让模型在打分前先写出绝对成功的文本定义，把评估锚定到外部全局标准而非视频内部时间线，从而缓解确认偏差，校准零样本估计，并对失败执行给出更准确的惩罚。该方法完全基于提示，可跨任务、具身与基准泛化，作者报告其表现匹配或超过经后训练的奖励模型，并可用于下游强化学习。

要点速读

1. 论文指出，现有VLM视频进度估计框架易受确认偏差影响，会在失败执行中幻觉出进度。
2. D&A将进度估计拆为场景动态文本描述与基于显式评分标准的评估两个阶段。
3. 作者报告该方法为纯提示式，跨任务与基准泛化，并可用于下游强化学习。

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 2026/11/4 08:00:28（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。