يقدم المؤلفون EviRover، وهو أول وكيل إدراك تم تدريبه صراحةً لحل استفسارات الإدراك من خلال التفاعل بدلاً من الاعتماد على توقع لمرة واحدة من صورة واحدة. ولمعالجة نقص البيانات لهذا الإعداد، صمموا خطين أنابيب مخصصين لتوليد البيانات ينتجان EviRover-SFT-5K وEviRover-RL-12K، بالإضافة إلى EviLens، وهو معيار تم التحقق منه بواسطة الإنسان يحتوي على 688 حالة.
- يتفوق نموذج EviRover ذو الـ4 مليارات معلمة على هيكله الأساسي بمعدل 30 نقطة في المتوسط على معيار EviLens.
- تصل الأداء إلى مستويات قابلة للمقارنة مع النماذج المملوكة المتقدمة.
- تنتقل المكاسب إلى WebEyes، ومعايير الإدراك التقليدية، ومعايير متعددة الوسائط العامة، بما في ذلك تحسين بنسبة 15 نقطة على BrowseComp-VL.
يعتقد المؤلفون أن هذا مهم لأنه يوضح أن التعلم التعزيزي الوكيلى يمكنه التعامل بفعالية مع الإدراك تحت أدلة غير كافية حيث تفشل الافتراضات القياسية. تم إصدار جميع الأكواد والنماذج والبيانات.