ENCP提升视觉语言导航不确定性估计
论文AI 评分 65/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
针对视觉语言导航（VLN）任务中标准保序预测无法在依赖步骤上提供覆盖保证的问题，研究者提出了 ENCP 方法。该方法通过策略剩余置信度重归一化非一致性分数，并在每个片段校准一个最大分数。实验表明，在 R2R 和 REVERIE 数据集上，ENCP 在未见环境评估中达到了所有经验步骤覆盖目标，能够提供模型无关的不确定性估计。
为什么值得看
解决了VLN任务中长序列依赖下的不确定性校准难题，提升导航安全性。
数据集
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。