CalVLA用结果监督校准VLA动作置信度

Boniface Chukwuemeka Godwin 提出 CalVLA，用成功与失败轨迹及动作置信度对齐（ACal）平方边际排序损失，塑造 OpenVLA-7B 的原生动作 token 置信度，并通过低秩适配器更新模型，不依赖额外的失败检测器。 在 LIBERO-10 的 500 组配置留出测试集上，适配后的置信度在三个随机种子下取得联合失败判别 AUROC 0.7392±0.0480（取 130 步与 260 步分数的平均）；冻结策略探针为 0.6146–0.6436，但作者称其相对线性探针的优势在统计上不确定。 同一测试中平均任务成功率从 58% 降至 55%。作者称这些结果说明失败判别改善，而非控制能力提升或已确立的安全收益。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。