Scene-Adaptive VLA 论文获 NeurIPS 2026 接受
热点事件持续更新
Scene-Adaptive VLA 论文获 NeurIPS 2026 接受
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
由 Yujia Yang 等人撰写的 Scene-Adaptive VLA 论文已被 NeurIPS 2026 接收。该框架旨在解决视觉-语言-动作模型在自动驾驶场景中的高推理开销问题，通过引入动态层路由机制优化模型性能。在技术实现上，该模型采用场景感知 token 与预算条件路由机制，能够根据实时驾驶场景动态调整激活参数比例，从而在保持驾驶能力无显著退化的前提下，有效减少计算资源消耗。 根据 Bench2Drive 基准测试，该框架成功降低了 53.5% 的计算量。作为该研究成果的配套资源，代码已在 GitHub 开源，地址为 https:github.com/yang-luvu/Scene-Adaptive-VLA，供研究者复现与参考。此次发表标志着该团队在高效自动驾驶 VLA 模型领域取得了重要进展。
AI 根据报道生成 · 2 小时前更新
最新进展10月20日 12:00
Scene-Adaptive VLA 通过动态层路由实现高效自动驾驶报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · AIScene-Adaptive VLA 通过动态层路由实现高效自动驾驶
该框架通过动态层路由减少 VLA 模型推理开销，在 Bench2Drive 基准上降低 53.5% 计算量且驾驶能力无显著退化。 采用场景感知 token 与预算条件路由机制，按实时场景动态调整激活参数比例。 已发表于 NeurIPS 2026，代码在 GitHub 开源。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 810月20日 21:00
- 近 24 小时变化
- –
02468
21:0022:0023:00
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。