DIVA：面向视觉-语言-动作策略的双空间意图感知视觉衰减
原文标题：DIVA: Dual-Space Intent-Aware Visual Attenuation for Vision-Language-Action Policies
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 DIVA，一个双空间意图感知视觉衰减模块，采用「先锚定后衰减」设计，结合高层任务意图与低层视觉证据估计逐 patch 相关性，在骨干入口前重加权视觉 token 并在骨干内持续衰减低相关视觉状态。在 LIBERO 上，DIVA 将 OpenVLA-OFT 平均成功率从 96.6% 提升至 98.0%，零样本 LIBERO-Plus 从 69.6 升至 72.6，真实环境实验也显示鲁棒性提升。
- 问题
- 视觉-语言-动作策略把密集视觉token全部送入骨干，无法调节各token对策略的影响强度。
- 方法
- 先由任务意图与视觉证据估计逐patch相关性锚点，再在骨干入口重加权并在骨干内持续衰减低相关视觉状态，无需外部定位监督。
- 结果
- LIBERO上OpenVLA-OFT平均成功率从96.6%升至98.0%，零样本LIBERO-Plus从69.6升至72.6
- 影响
- 机器人策略对无关视觉干扰更鲁棒，真实环境部署的稳定性提升，且改动轻量易接入现有VLA。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。