Back to explore

ロボティクスベンチマークで4BのJevスタイル判定モデルが27Bモデルを超える

著者は公開データと独自レシピで訓練した4BのJevスタイル判定モデルを紹介。RoboPulse、RoboRewardBench、実ロボット展開で最大27BのマルチモーダルJevスタイルモデルを上回り、特定タスクでは専用報酬モデルが依然優れていると述べています。

3/6 How far can public data + our recipe take a 4B Jev-style judge? It beats every multimodal Jev-style model we tested, up to 27B, on RoboPulse, RoboRewardBench and real-robot rollouts. Specialist reward models still win at home: Robo-Dopamine on progress, RoboReward on

ロボティクスベンチマークで4BのJevスタイル判定モデルが27Bモデルを超える 1
· 0 likesOpen on X