Buchumschlag

VLM Q-Learning: Aligning Vision-Language Models for Interactive Decision-Making

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Grigsby, Jake, Zhu, Yuke, Ryoo, Michael, Niebles, Juan Carlos
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

AMAGO: Scalable In-Context Reinforcement Learning for Adaptive Agents
von: Grigsby, Jake, et al.
Veröffentlicht: (2023)

Human-Level Competitive Pokémon via Scalable Offline Reinforcement Learning with Transformers
von: Grigsby, Jake, et al.
Veröffentlicht: (2025)

AMAGO-2: Breaking the Multi-Task Barrier in Meta-Reinforcement Learning with Transformers
von: Grigsby, Jake, et al.
Veröffentlicht: (2024)

Aligning Learning and Endogenous Decision-Making
von: Cristian, Rares, et al.
Veröffentlicht: (2025)

LAM SIMULATOR: Advancing Data Generation for Large Action Model Training via Online Exploration and Trajectory Feedback
von: Hoang, Thai, et al.
Veröffentlicht: (2025)

HandsOnVLM: Vision-Language Models for Hand-Object Interaction Prediction
von: Bao, Chen, et al.
Veröffentlicht: (2024)

Pretrained Vision-Language-Action Models are Surprisingly Resistant to Forgetting in Continual Learning
von: Liu, Huihan, et al.
Veröffentlicht: (2026)

SDM-Q: Cost-Aware Staged Decision-Making for Multi-Omics Classification with Deep Q-Learning
von: Mu, Nan, et al.
Veröffentlicht: (2026)

Efficient Sequential Decision Making with Large Language Models
von: Chen, Dingyang, et al.
Veröffentlicht: (2024)

Model-Based Runtime Monitoring with Interactive Imitation Learning
von: Liu, Huihan, et al.
Veröffentlicht: (2023)

DriVLM: Domain Adaptation of Vision-Language Models in Autonomous Driving
von: Zheng, Xuran, et al.
Veröffentlicht: (2025)

GraphVLM: Benchmarking Vision Language Models for Multimodal Graph Learning
von: Liu, Jiajin, et al.
Veröffentlicht: (2026)

AsymVLM: Asymmetric Token Pruning for Efficient Vision-Language Model Inference
von: Feng, Yilin, et al.
Veröffentlicht: (2026)

Strefer: Empowering Video LLMs with Space-Time Referring and Reasoning via Synthetic Instruction Data
von: Zhou, Honglu, et al.
Veröffentlicht: (2025)

Gen-DFL: Decision-Focused Generative Learning for Robust Decision Making
von: Wang, Prince Zizhuang, et al.
Veröffentlicht: (2025)

RL-VLM-F: Reinforcement Learning from Vision Language Foundation Model Feedback
von: Wang, Yufei, et al.
Veröffentlicht: (2024)

On the Importance of Uncertainty in Decision-Making with Large Language Models
von: Felicioni, Nicolò, et al.
Veröffentlicht: (2024)

FastVLM: Efficient Vision Encoding for Vision Language Models
von: Vasu, Pavan Kumar Anasosalu, et al.
Veröffentlicht: (2024)

DRESS: Instructing Large Vision-Language Models to Align and Interact with Humans via Natural Language Feedback
von: Chen, Yangyi, et al.
Veröffentlicht: (2023)

DocVLM: Make Your VLM an Efficient Reader
von: Nacson, Mor Shpigel, et al.
Veröffentlicht: (2024)

InvestAlign: Overcoming Data Scarcity in Aligning Large Language Models with Investor Decision-Making Processes under Herd Behavior
von: Wang, Huisheng, et al.
Veröffentlicht: (2025)

The Relative Value of Prediction in Algorithmic Decision Making
von: Perdomo, Juan Carlos
Veröffentlicht: (2023)

FastVLM: Self-Speculative Decoding for Fast Vision-Language Model Inference
von: Bajpai, Divya Jyoti, et al.
Veröffentlicht: (2025)

Geometry of Decision Making in Language Models
von: Joshi, Abhinav, et al.
Veröffentlicht: (2025)

Human-Aligned Calibration for AI-Assisted Decision Making
von: Benz, Nina L. Corvelo, et al.
Veröffentlicht: (2023)

Aligning Diffusion Behaviors with Q-functions for Efficient Continuous Control
von: Chen, Huayu, et al.
Veröffentlicht: (2024)

Unifying Specialized Visual Encoders for Video Language Models
von: Chung, Jihoon, et al.
Veröffentlicht: (2025)

CF-VLM:CounterFactual Vision-Language Fine-tuning
von: Zhang, Jusheng, et al.
Veröffentlicht: (2025)

GROW: Aligning GRPO with State-Action Modeling for Open-World VLM Agents
von: Wu, Xiongbin, et al.
Veröffentlicht: (2026)

Memory-Driven Self-Improvement for Decision Making with Large Language Models
von: Yan, Xue, et al.
Veröffentlicht: (2025)

Fine-Tuning Large Vision-Language Models as Decision-Making Agents via Reinforcement Learning
von: Zhai, Yuexiang, et al.
Veröffentlicht: (2024)

Can Vision Language Models Learn Intuitive Physics from Interaction?
von: Buschoff, Luca M. Schulze, et al.
Veröffentlicht: (2026)

Vision-Language-Action Models for Robotics: A Review Towards Real-World Applications
von: Kawaharazuka, Kento, et al.
Veröffentlicht: (2025)

Aligning Large Vision-Language Models by Deep Reinforcement Learning and Direct Preference Optimization
von: Nguyen, Thanh Thi, et al.
Veröffentlicht: (2025)

Causal-aware Large Language Models: Enhancing Decision-Making Through Learning, Adapting and Acting
von: Chen, Wei, et al.
Veröffentlicht: (2025)

Reinforcement Learning for Aligning Large Language Models Agents with Interactive Environments: Quantifying and Mitigating Prompt Overfitting
von: Aissi, Mohamed Salim, et al.
Veröffentlicht: (2024)

Where Not to Learn: Prior-Aligned Training with Subset-based Attribution Constraints for Reliable Decision-Making
von: Chen, Ruoyu, et al.
Veröffentlicht: (2026)

Continual Learning in Vision-Language Models via Aligned Model Merging
von: Sokar, Ghada, et al.
Veröffentlicht: (2025)

Aligning Language Models from User Interactions
von: Buening, Thomas Kleine, et al.
Veröffentlicht: (2026)

GeoFlowVLM: Geometry-Aware Joint Uncertainty for Frozen Vision-Language Embedding
von: Nautiyal, Mayank, et al.
Veröffentlicht: (2026)