Capek 0.5：面向具身智能的执行中心型视觉语言模型
Capek 0.5是一款面向机器人的视觉语言模型，以完整的执行流程为核心组织具身智能体的能力，涵盖空间推理、时间理解、动作指导和状态验证。研究人员首先使用带有可验证奖励的强化学习，分别训练各项能力的专家模型，随后通过权重空间合并和策略空间蒸馏，将其整合为单一模型。Capek 0.5提供2B和35B-A3B两种规模，并通过包括新基准Capek-StateBench在内的综合测试、能力保留实验，以及模拟具身环境中的闭环评估进行验证。结果显示，该模型在大多数匹配基准项目上优于初始化模型，并能在一个检查点中保留四项专业能力。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。