π-StepNFT：面向流式VLA的逐步负样本感知在线强化学习框架

论文提出π-StepNFT（Step-wise Negative-aware Fine-Tuning），一个面向流式VLA的在线强化学习框架，无需计算最终动作似然。作者指出，多步去噪使策略梯度在线RL难以处理，因为采样器诱导的最终动作似然不可直接求解；同时去噪轨迹中存在探索与监督不匹配，SDE采样探索更宽的局部随机转移空间，而基于最终去噪输出的监督未直接利用采样中观察到的相邻转移。π-StepNFT将观察到的SDE转移作为监督单元，用方差归一化的转移误差对镜像的正负速度分支排序，把rollout反馈映射为局部速度更新。