跳到正文
Hugging Face Daily Papers·· 2026-09-30精选AI 评分85

通过失败库自进化从运行时反馈中学习:面向视觉语言动作模型的更安全策略

Learning from Runtime Feedback through Failure-Bank Self-Evolution for Vision-Language-Action Models

AI 导读

针对复杂环境中 VLA 模型需平衡任务成功与意外接触的挑战,本文提出 FailBank 四阶段框架,将运行时反馈转化为持久的策略改进。该框架在 VLA-Arena 基准上评估显示,相比基线策略和纯运行时屏蔽方法,FailBank 能显著提升任务成功率并降低由策略引起的累积成本,证明运行时反馈可作为持续监督而非临时约束。

推荐理由

FailBank 框架利用运行时反馈实现 VLA 策略自我进化,在基准测试中显著提升了任务成功率并降低了累积成本。

来源:Hugging Face Daily Papers · arxiv.org