ViSkill：视觉原生技能强化VLM Agent

浙江大学 ZJU-REAL 等作者发布论文，提出视觉原生技能学习框架 ViSkill：把成功交互编码为 VLM 智能体可直接调用的复合视觉技能卡，检索到的技能同时引导推理与奖励塑形，成功轨迹再蒸馏回技能库形成闭环。 据论文，在 Sokoban、FrozenLake 和 PrimitiveSkill 三个任务上，ViSkill 总体成功率达 0.89，加入冷启动初始化后升至 0.91，高于其对比的闭源与开源基线，收敛也快于标准 PPO。代码已在 GitHub 开源。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。