★ 2
VLA 潜在接口的层级选择之谜
论文研究视觉-语言-动作（VLA）策略中，冻结主干网络应向动作头暴露哪些层的问题。在三个预训练模型与 LIBERO、CALVIN 两个操作基准上，54 种配置中有 47 种多层融合方案不如最佳单层策略。作者提出以 InfoNCE 分数作为层质量代理，选层所需 GPU 算力比穷举策略扫描少 9-33…
arXiv cs.AI33 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文研究视觉-语言-动作（VLA）策略中，冻结主干网络应向动作头暴露哪些层的问题。在三个预训练模型与 LIBERO、CALVIN 两个操作基准上，54 种配置中有 47 种多层融合方案不如最佳单层策略。作者提出以 InfoNCE 分数作为层质量代理，选层所需 GPU 算力比穷举策略扫描少 9-33…