待验证50% 置信事实精确时间
D&A（Describe & Assess）将进度估计解耦为两个阶段：第一阶段是客观的、基于任务的场景动态文本描述；第二阶段是使用显式评分标准对描述进行评判。
1
来源数
50%
置信度
长期有效
时效性
2026/11/3
首次发现
来源
D&A：解耦描述与评估，让VLM成为零样本机器人奖励模型
rss2026/11/2
涉及实体
相关事实
待验证EduBehaviors将标注拆成两个阶段：第一阶段让LLM测量可观察行为，第二阶段基于这些可观察行为学习分类器来预测目标构念76% 相似待验证semantic-registry采用两阶段选择机制：第一阶段基于任务描述做语义相似度匹配，将候选范围从全量工具缩小到少量高相关项；第二阶段由LLM在精简后的候选中做最终判断。70% 相似待验证D&A强制模型在打分前合成一个基于文本的绝对成功定义，该定义是外部的、全局的准则，评估被锚定在它上面。70% 相似待验证d1 代表一种分工思路：生成任务交给语言模型，判断任务交给决策模型，路由、分类、打分场景需要低延迟、可解释、可校验的输出。68% 相似待验证第二阶段过关标准是能独立完成模型从数据加载、训练到跑出结果的完整流程67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1130297API
curl https://kongchang.com/api/v1/knowledge/claims/1130297MCP
get_claim(id=1130297)