跳到正文
arXiv · 机器人与计算机视觉· Maria Attarian, Yifan Ruan, Claas Voelcker, Chenyang Cao, Amy Zhang, Peter Stone, Nicholas Rhinehart, Igor Gilitschenski·· 2026-10-15AI 评分58

后训练、微调与引导:用于整理训练数据的现场指南

Post-Training, Finetuning, and Steering:A Field Guide for Curating Training Data

AI 导读

该论文研究了在 VLA 模型零样本迁移之外,针对新任务进行适应时的最佳方法选择问题。研究对比了离线与在线数据场景、最优与非最优轨迹数据的影响。结果显示,在有失败数据时,基于评论家的引导方法优于监督微调;但在离线 RL 中,简单的蒙特卡洛方法表现不逊于复杂的评论家训练函数;在线设置下,基于评论家的引导样本效率更高但性能上限低于全量微调。

来源:arXiv · 机器人与计算机视觉 · arxiv.org