[LG]《Prompt-Driven Exploration》S Jiang, J Marangola, D Zhang, R Kowdeed… [MIT] (2026)

在视觉-语言-动作（VLA）模型微调领域，如何让机器人从“零成功率”起步是一个悬而未决的难题。过去的方法受困于动作空间的随机扰动（Action Noise），本质原因是局部抖动无法改变错误的全局行为模式，导致模型始终无法触碰稀疏的奖励信号。

本文的核心洞见是：把提示词（Prompt）重新看作一种全局行为的探索空间。由此，引入视觉语言模型（VLM）作为“认知教练”，通过观察失败视频诊断病因并重写提示词，这一关键操作利用预训练模型的语言常识实现了后验采样，从而在不更新权重的情况下诱发出成功的全局轨迹。

这项工作真正留下的遗产是证明了“上下文”可以替代“噪声”成为具身智能更高效的探索源。它为后来者打开的新门是将强化学习的探索从低级执行层提升到了高级语义层，但尚未跨过的门槛是提示词空间与动作空间在复杂长程任务中的最优协同边界。

arxiv.org/abs/2607.08837 机器学习 人工智能 论文 AI创造营