From Demonstrations to Rewards: Test-Time Prompt Optimization for VLM Reward Models

En 3 lignesDemo2Reward optimise les instructions textuelles des modèles de récompense VLM au moment du test, en utilisant 3-10 démonstrations d'experts pour réduire les faux positifs en robotique. Aucun entraînement supplémentaire requis. Validation sur tâches simulées et transfert réel.

Résumé généré par Claude — vérifié par l'humain