研究揭示VLA策略指令改写脆弱性及后训练优化方案
热点事件持续更新
研究揭示VLA策略指令改写脆弱性及后训练优化方案
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Hanlong Li 等研究人员在 arXiv 发布预印本研究指出，在 LIBERO 数据集上微调的视觉语言动作（VLA）策略高度依赖训练指令文本，仅对指令进行改写就会导致基础 OpenVLA 模型的任务成功率下降 38.0 点。 研究发现，测试时通过改写指令取中心动作的集成方法只能降低方差，无法消除共享偏差，无法挽回性能损失。研究人员采用改写指令对模型进行 LoRA 后训练，成功将改写带来的成功率变化转为提升 2.0 点，且该效果能泛化至未见过的改写表达。
AI 根据报道生成 · 46 分钟前更新
最新进展10月14日 10:30
VLA 策略改写共识与指令鲁棒性研究：指令改写导致性能显著下降且集成难以恢复报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv · 工业智能研究摘要VLA 策略改写共识与指令鲁棒性研究：指令改写导致性能显著下降且集成难以恢复
预印本摘要称，在 LIBERO 上微调的视觉语言动作（VLA）策略高度依赖训练指令文本，指令改写使基础 OpenVLA 成功率下降 38.0 点且测试时提示集成无法挽回该损失。研究发现基于改写指令取中心动作的改写共识仅能降低方差而无法消除共享偏差，策略在指令依赖度高的任务中受损更为严重。通过改写指令进行 LoRA 后训练可将改写造成的损失转为提升 2.0 点，并能泛化至未见过的改写表达。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。