arXiv · 工业智能研究摘要· Maria Attarian·· 1 天前
VLA模型后训练、微调与引导的数据整理指南
Post-Training, Finetuning, and Steering:A Field Guide for Curating Training Data
AI 导读
预印本摘要称，研究团队在LIBERO仿真与Franka真实平台上，系统评估了视觉语言动作模型在不同数据场景下的适应策略。在离线且存在失败数据时，基于评判器的引导方法优于监督微调，但离线强化学习并未胜过更简单的蒙特卡洛方法；在线场景下引导方法的样本效率显著更高，但性能上限低于全量微调。
来源：arXiv · 工业智能研究摘要 · arxiv.org