LEARNING
检索而非重新训练：在测试时扩展视觉语言动作模型至新任务
Jeongeun Park, Juhan Park, Taekyung Kim, Sungjoon Choi, Dongyoon Han, Sangdoo Yun
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出一种检索增强策略，通过冻结预训练的视觉-语言-动作（VLA）模型，在测试时仅通过检索新任务的演示数据即可适应新任务，无需针对每个任务进行微调。该方法在基于视频生成的世界动作模型（Cosmos Policy）中效果尤为显著，检索提供任务进程，而未来图像目标提供视觉一致性信号。
关键词
retrieval-augmented policyvision-language-actiontest-time adaptationworld-action model
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018