iRe-VLA：类强化微调方式训练 VLA：清华大学、加州大学伯克利分校、上海期智研究院

概要：通过Online-Policy的RL手段增强监督式微调（SFT）的效果，整体思路和后来在 LLM/MLLM 领域兴起的强化微调（RFT）有些类似；

声明：上述声音采用AI合成，解析内容为原创；解析仅针对该文发布时，arxiv上已公开被解析论文的最新版本的内容进行；其中所有涉及原论文的图、数据都引用自原论文，如涉及侵权，请及时联系删除；人工解读，难免有错误遗漏，如有发现及时联系修改；如需要深入研究建议阅读原文；

链接：arxiv.org ；