VLA配对评测提出测试状态一致性校验框架

Rafiqul Islam 提出一套用于视觉-语言-动作模型（VLA）配对评估的完整性框架，包含不变量 I1–I5、来源日志、可选场景指纹和自动检查器，并在 LeRobot 0.6.1 的 LIBERO 测试环境中用仿真控制器开展受控研究。其出发点是：在仿真 VLA 评估中，相同任务、种子和回合 ID 未必对应相同的测试状态。 四类证据分开呈现：混合视界 Sync 的 wave-1 ID 为 [20, 5, 22, 7] 对 [4, 5, 6, 7]；同质独立任务 Sync 对照覆盖 16 个单元，0 处 ID/指纹不匹配；Async+Freeze 批大小映射出现 12 处 I3 不匹配，bs=8 不完整，机制未隔离；McNemar 仅为合成示例。作者称控制器为仿真，未完成真实 VLA 共享向量实验，也不主张已发表的 VLA 排行榜普遍无效。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。