从视觉语言模型中提炼，以改善视觉任务中的 OOD 泛化能力
原文中文，约200字，阅读约需1分钟。发表于：。Vision-Language to Vision-Align, Distill, Predict (VL2V-ADiP) is a proposed approach that aligns vision and language modalities to distill pre-trained features and superior generalization for...
本文介绍了利用预训练的视觉语言模型（VLMs）来监督具有目的地行动的体验型智能体，让其学会与不同类别的对象交互。通过少量提示和后见之明体验回放（HER）技术，可以使智能体学习抽象类别的成员资格和特定任务相关的语境，同时完成语言建模。
