研究 HuggingFace Daily Papers 2026-06-16

分层优势加权实现稀疏奖励下VLA在线强化学习微调

HABC通过自适应评论头和干预感知信用分配，分离优化可行性与效率目标，显著提升接触密集型操作任务成功率。

解读生成中或暂时不可用，请稍后刷新重试，或直接查看原文。