热点事件持续更新
研究团队提出面向VLA强化学习的MART-GRPO算法
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
针对视觉-语言-动作（VLA）模型在强化学习训练中 GRPO 容易误惩罚失败轨迹中有效动作的问题，研究人员于 2026 年 10 月 26 日提出 MART-GRPO 算法。该方法利用经 LoRA 微调的视觉语言模型（VLM）定位最终未恢复错误，并截断后续的负反馈，从而在保持梯度估计期望的同时有效降低方差。在 RoboTwin 2.0 基准上基于 OpenVLA-OFT 的实验结果显示，MART-GRPO 在多项任务中的成功率表现均优于全轨迹 GRPO。
AI 根据报道生成 · 2 小时前更新
最新进展10月26日 12:00
研究者提出MART-GRPO算法，通过截断失败轨迹负反馈提升VLA强化学习成功率。报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv 人工智能何时停止惩罚动作？面向 VLA 强化学习的 Martingale GRPO
针对视觉-语言-动作（VLA）强化学习中 GRPO 误惩罚失败轨迹有效动作的问题，研究者提出 MART-GRPO。该方法利用经 LoRA 微调的 VLM 定位最终未恢复错误并截断后续负反馈，在保持梯度估计期望的同时降低方差。在 RoboTwin 2.0 上基于 OpenVLA-OFT 的实验表明，MART-GRPO 在多项任务中的成功率优于全轨迹 GRPO。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。