**ProgressCompass:解决具身智能体长任务中进度奖励模型缺乏上下文的问题** _ProgressCompass: Embodied Progre
原帖
**ProgressCompass:解决具身智能体长任务中进度奖励模型缺乏上下文的问题**
_ProgressCompass: Embodied Progress Reward Models Are Lost Without the Right Context_
> 针对具身智能体在长任务中因缺乏历史上下文导致进度评估失准的问题,研究团队提出ProgressCompass框架。该框架通过自主代理循环,利用通用视觉语言模型为现有的进度奖励模型(PRM)提供必要的上下文信息。实验表明,该方法无需重新训练,即可将PRM的进度误差降低63%,并显著提升其在复杂长任务中的评估准确性。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-06 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2609.36684)