S
SkillNav

LIBERO-Para：VLA模型复述鲁棒性诊断基准与度量

深度2026年3月30日26 分钟阅读
最有趣的发现是：即使简单的同义词替换也会导致VLA模型性能大幅下降，且80-96%的失败源于任务规划层面的轨迹分歧而非执行错误。本文适合研究视觉-语言模型、机器人指令理解、模型鲁棒性评估的研究人员和工程师阅读。
本文编译自 LIBERO-Para: A Diagnostic Benchmark and Metrics for Paraphrase Robustness in VLA Models，版权归原作者所有。

觉得有用？分享给更多人

获取每周 AI 工具精选

工具推荐、实战教程和生态洞察，每周更新。

关注 @skillnav_dev →阅读周刊

相关文章

OpenAI 承诺提前半年通知，GPT-4o 用户只拿到三个月

OpenAI 将于 2027 年 1 月 14 日下线 GPT-4o、GPT-4o mini、GPT-4.1、GPT-4.1 mini 及其微调版本，自营微调任务提前到 1 月 6 日停止。推荐的替代模型 GPT-6 Luna 更便宜，但长提示词价格翻倍、微调缺失、推理与工具调用需要切换 API。这次三个月的通知期也低于 OpenAI 自己承诺的六个月。

深度The New Stack·10月15日·5 分钟

英伟达把 74B 智能体模型压进 24GB，塞进笔记本

英伟达推出 Nemotron 3.5 Super VL（120B 视觉语言模型）和两款 Bolt 小模型，主打速度与效率。Bolt 74B-A9B 24GB 通过 2-bit 量化实现本地运行，支持 llama.cpp、Ollama、LM Studio 和 vLLM；Super VL 在部分基准测试中领先 Qwen，但在 SWE-bench Verified 上略逊。

深度The New Stack·10月15日·5 分钟

评论