RL 将如何提高具身大模型 VLA 泛化性？清华大学团队NeurIPS 2025文章分析 RL 与 SFT 泛化性差异

清华大学团队在NeurIPS 2025发表研究，系统评估强化学习（RL）对视觉-语言-动作（VLA）模型泛化能力的影响。基于OpenVLA模型，研究发现采用PPO算法的RL在分布外任务中比SFT提升42.6%性能，尤其在语义理解和执行鲁棒性方面表现更优，且通过共享网络架构、预热策略和单轮训练优化，使RL在单张A100上42小时内即可收敛，为VLA提供了高效可扩展的训练新路径。
来源：https://mp.weixin.qq.com/s/F5t-8Aou5DJrn2PVqDLQ5w