arXiv · ML· Dabin Seo, Eunhyek Joa·· 21 天前AI 评分25
CoC-CFG 如何测量 VLA 模型对推理轨迹的信任度?
How Much Should a VLA Trust Its Reasoning? Step-Level Guidance as a Measured Action-Value Function
AI 导读
CoC-CFG 在 VLA 策略中应用无分类器引导,将推理权重选择建模为马尔可夫决策过程以测量动作价值。 Q-自适应引导在 Alpasim 驾驶模拟器中以 262/300 场景通过率超越原策略,Waymo 基准上亦优于固定权重方法。 在隐藏测试集上,该方法实现了 8.135159 的评估反馈分数,刷新了已公开方法的状态最先进水平。
来源:arXiv · ML · arxiv.org