研究团队提出视觉-语言-动作置信度校准方法CalVLA
Start here
2026年11月，研究团队提出针对视觉-语言-动作策略的原生置信度校准方法 CalVLA。该方法通过结果监督与动作-置信度对齐（ACal）损失调整 OpenVLA-7B 的原生动作 token 置信度，使其无需辅助检测器即可指示任务失败。实验表明，在 500 个 LIBERO-10 配置测试集上，该模型的失败判别 AUROC 从适配前的 0.4485 提升至 0.7327；但与此同时，平均任务成功率从 58% 略微降至 55%。结果表明，CalVLA 主要改善了模型的失败判别能力，而非控制表现。
AI-generated from reports · Updated 16 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 人工智能CalVLA：利用结果监督塑造视觉-语言-动作策略的原生置信度
研究人员提出 CalVLA，通过结果监督与动作-置信度对齐（ACal）损失调整 OpenVLA-7B 的原生动作 token 置信度，无需辅助检测器即可指示任务失败。在 500 个 LIBERO-10 配置测试集上，其失败判别 AUROC 从适配前的 0.4485 提升至 0.7327。但平均任务成功率从 58% 降至 55%，表明该方法主要改善了失败判别能力而非控制表现。
Story heat trend
Current heat 6·Comparable peak 9（Nov 3 18:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.