Generate-then-Rank: 学习具身智能体的符号化目标解释方法

研究提出两阶段生成-排序方法，通过监督微调 LLM 适配具身智能体接口输出规范，并利用 CORE 策略从模型自身生成的候选结果中学习偏好。该方法在 EAI Benchmark 家庭场景测试中，优于简单提示、思维链和基于知识图等基线模型，DeepSeek-V3 chat、DeepSeek-Reasoner、Qwen2.5-7B 和 Qwen2.5-72B 等开源模型均参与评估。