EmbodiedMind：自适应数据管理和前缀树强化学习，实现高效的体现智能

训练具体基础模型通常需要大规模数据集和大量计算资源，但通常会遇到三个关键限制：（1）由于样本信息量低，样本利用率低下； （2）异构任务之间的梯度贡献不平衡； (3)长期规划中存在严重的信用分配问题，其中轨迹级奖励不加区别地惩罚所有词元。为了解决这些问题，我们提出了一种有效的训练范式，通过战略数据选择和分层策略优化来实现最先进的平均性能。我们的方法由三个协同阶段组成。首先，基于拒绝采样的微调（RSFT）过滤掉低信息样本，以建立稳健的行为先验，同时防止分布崩溃。其次，迭代拒绝 GRPO (IR-GRPO) 采用按难度分层的特定任务队列，以在强化学习迭代中保持数据集平衡，并结合用于精确跨任务反馈的混合奖励机制。第三，为了增强长期任务规划，我们引入了 Trie-GRPO，这是一种基于动作前缀树的新型强化学习算法，可以实现步骤级优势估计。这通过将中间正确决策与下游错误隔离来解决信用分配问题，同时与传统搜索树相比，有效平衡探索效率和深度。结果，EmbodiedMind 在 18 个基准测试中实现了 70.02% 的最先进平均性能，并且在长期任务规划准确性方面显着优于其他 embodied 基础模型。我们的项目将被发布以实现可重复性。