跳到正文
热点事件持续更新

平度正则化提升 VLA 模型指令遵循能力

1 篇报道1 个报道来源5 小时前更新

先了解这件事

AI 综述

Haochen Zhang 和 Yonatan Bisk 提交的研究提出,针对机器人基础模型微调后出现的“指令盲”问题,可通过显式平坦度保持优化来保留预训练知识。该研究在 arXiv 发布,实验表明在 VLA 微调中应用尖锐性感知最小化(SAM)技术,无需额外数据或架构修改即可显著提升指令遵循能力,效果优于仅锚定权重或约束学习的其他正则化方法。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · 机器人与计算机视觉
    Flatness Preserves Instruction Following in Vision-Language-Action Models

    该研究针对机器人基础模型微调后出现的‘指令盲’问题,提出通过显式平坦度保持优化来保留预训练知识。实验表明,在 VLA 微调中应用尖锐性感知最小化(SAM)技术,无需额外数据或架构修改即可显著提升指令遵循能力,效果优于仅锚定权重或约束学习的其他正则化方法。

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。