GVL（生成式价值学习）

Generative Value Learning (Vision Language Models are In-Context Value Learners)GVL进阶

让视觉语言模型给打乱顺序的视频帧估计任务进度，当通用价值函数用

Google DeepMind 联合宾夕法尼亚大学、斯坦福在 2024 年 11 月提出，发表于 ICLR 2025。这里的「价值」指任务完成了百分之多少，可用来判断成败、筛选数据、给强化学习当奖励。直接让视觉语言模型（VLM）按时间顺序给每帧打分效果很差，因为相邻帧高度相关，模型容易只按先后给出单调上升的分数。GVL 先把视频帧打乱，再让模型（论文用 Gemini-1.5-Pro）逐帧估计完成度，逼它真正看画面内容。它不需要针对任务训练，在 300 多个真实任务上零样本或少样本可用，还能把人类视频、其他机器人的示例放进上下文来学习。