待验证50% 置信事实精确时间
D&A作为纯提示方法不修改基座模型参数，因而避开了数据收集与逐模型后训练的开销。
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
待验证该模型在训练过程中没有使用任何预训练权重72% 相似待验证推理时搜索不更新生成模型参数，因此不会引入训练不稳定性，也便于快速切换优化目标。72% 相似待验证接种提示的核心思路是：如果模型在训练前就被告知该行为是可接受的，那么行为与失准之间的关联就不会建立，从而阻断失准泛化；与 SDF 不同，接种提示是在 RL 训练时以系统提示形式直接给出的，不涉及参数更新，因此覆盖强度更高。72% 相似待验证DPO超参数不能在不同训练数据集之间迁移，需要针对目标模型、数据集和评估目标分别调优。72% 相似待验证D&A的启示是：VLM的能力不需要通过昂贵后训练才能释放，问题往往出在提示和评估框架的设计上。71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1130302API
curl https://kongchang.com/api/v1/knowledge/claims/1130302MCP
get_claim(id=1130302)