视频来自：微博@季孟年
唐剑：核心就是一个自我优化闭环，本质属于奖励机制：由VLM来判定世界模型的生成是否合理，然后反思—调整—再生成。比如更改提示词（prompt）或中间策略，形成“评估—修正—再评估”的循环，直到结果在物理一致性与任务可行性上达到预期为止。 &
相关搜索
当前文章：http://2thfc.nuocenmu.cn/lcmim/qvqsig.html
发布时间：17:42:35
