arXiv · cs.AI· Diyuan Shi, Yiqi Tang, Hongyin Zhang, You Wu, Donglin Wang·· 6 小时前
VLRLA：通过上下文强化学习实现视觉-语言-动作模型的部署时适应
VLRLA: Deployment-Time Adaptation of Vision-Language-Action Models through In-Context Reinforcement Learning
arXiv:2610.19517v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Diyuan Shi, Yiqi Tang, Hongyin Zhang, You Wu, Donglin Wang
研究任务与主要进展
Diyuan Shi等提出VLRLA，为既有视觉-语言-动作模型加入上下文强化学习模块，使策略利用部署期间的历史观察、动作、奖励和终止信号逐步改进任务执行，并保持模型参数不变。该框架兼容不同学习历史构造策略和模型训练流程；基于论文摘要，作者称其在模拟实验和真实部署中考察了学习特性及对未见场景的适应能力，但未提供具体基准和结果细节。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org