PulseAugur
中
实时 01:43:58
English(EN) VLA-Rolling: Fewer Denoising Steps, Better Control via Adaptive Action Reuse

VLA-Rolling 框架通过复用丢弃的动作，为更快的、更准确的 VLA 模型提供支持

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了 VLA-Rolling，一个改进视觉-语言-动作 (VLA) 模型效率和控制的新框架。该方法通过自适应地根据置信度估计来优化这些复用的尾部，而不是从头开始重新生成，从而复用先前规划周期中丢弃的动作尾部。VLA-Rolling 可以在各种基准测试和模型上实现更快的推理时间和更高的成功率。 AI

影响 通过减少动作生成过程中的计算开销，这种方法有望实现更高效、响应更快的 AI 代理。

排序理由 该集群描述了一种在学术论文中提出的用于改进 VLA 模型的新方法。

在 Hugging Face Daily Papers 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

VLA-Rolling 框架通过复用丢弃的动作，为更快的、更准确的 VLA 模型提供支持

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Research
该集群描述了一种在学术论文中提出的用于改进 VLA 模型的新方法。
Source corroboration
2 independent sources
Multiple independent publishers reporting the same story raises confidence that it's real and newsworthy.
Topics
paper, model release
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
12 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Sicheng He, Yi Pan, Qiuting Yu, Jiaming Huang, Qi Lu, Shuyan Wu, Hongyan Feng, Xuanyu Liu, Jun Zhang, Jie Zhang, Wenqi Zhang, Xuhong Zhang, Jianwei Yin ·

    VLA-Rolling：更少去噪步数，通过自适应动作复用实现更好控制

    arXiv:2610.25043v2 Announce Type: replace Abstract: Flow-matching vision-language-action (VLA) models generate an action chunk by iteratively denoising Gaussian noise, but typically execute only a short prefix before replanning with updated observations. Under this receding-horiz…

  2. Hugging Face Daily Papers TIER_1 English(EN) ·

    VLA-Rolling：更少去噪步骤，通过自适应动作重用实现更好控制

    VLA-Rolling improves vision-language-action model efficiency by reusing discarded action tails with adaptive denoising budgets, reducing inference cost and boosting success rates.

相关实体

相关话题