MART-GRPO 改进 VLA 强化学习
热点事件持续更新
MART-GRPO 改进 VLA 强化学习
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
2026 年 10 月 26 日，arXiv Artificial Intelligence 刊出 Zongyao Zhao 等作者的论文，提出 Martingale GRPO（MART-GRPO）方法，用于改进视觉-语言-动作（VLA）模型的强化学习。该方法以成功概率与策略得分鞅刻画失败反馈的理想停止点，并论证在这些截断处被移除的梯度条件期望为零，从而保留参考 GRPO 组梯度估计的期望，并可能降低其协方差。实现上，MART-GRPO 用 LoRA 微调的视觉语言模型在完整 rollout 视频中定位最后一个未见恢复的可见错误，仅保留该错误区间内的失败反馈。作者在 RoboTwin 2.0 上以 OpenVLA-OFT 开展实验，报告多个任务的成功率高于全轨迹 GRPO。目前报道仅给出方法设计与上述基准结果，未提及代码、模型或数据的公开情况。
AI 根据报道生成 · 1 小时前更新
最新进展10月26日 12:00
Martingale GRPO：为 VLA 强化学习按事件截断失败反馈报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv Artificial IntelligenceMartingale GRPO：为 VLA 强化学习按事件截断失败反馈
MART-GRPO 用成功概率与策略得分鞅刻画失败反馈的理想停止点，在这些截断处被移除的梯度条件期望为零，从而保留参考 GRPO 组梯度估计的期望并可能降低其协方差。该方法用 LoRA 微调的 VLM 在完整 rollout 视频中定位最后一个未见恢复的可见错误，仅保留该错误区间内的失败反馈。在 RoboTwin 2.0 上以 OpenVLA-OFT 实验，多个任务的成功率高于全轨迹 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。