热点事件持续更新

研究者提出异步脉冲视觉-语言-动作模型SpikingVLA

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

2026年10月8日，arXiv发布了关于异步脉冲视觉-语言-动作模型SpikingVLA的研究。该研究提出了一种面向视觉-语言-动作（VLA）模型的ANN-to-SNN转换框架，旨在实现高精度与低延迟的脉冲推理。该框架通过树突积分发放（DIF）神经元减少所需时间步，并利用异步执行机制重叠组件计算以降低同步开销。实验结果显示，SpikingVLA相比现有脉冲VLA方法将SR和SPL分别提升了11.9%和12.6%，同时将首动作延迟降低了11.2倍。

AI 根据报道生成 · 4 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

10月8日

12:00
arXiv 自然语言处理
SpikingVLA：异步脉冲视觉-语言-动作模型
SpikingVLA 提出了一种面向视觉-语言-动作（VLA）模型的 ANN-to-SNN 转换框架，实现高精度与低延迟的脉冲推理。该框架通过树突积分发放（DIF）神经元减少所需时间步，并利用异步执行机制重叠组件计算以降低同步开销。实验表明，SpikingVLA 相比现有脉冲 VLA 方法将 SR 和 SPL 分别提升 11.9% 和 12.6%，首动作延迟降低 11.2x。

本事件热度走势

当前热度 9·可比范围峰值 10（10月8日 13:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。