跳到正文
热点事件持续更新

ActionCodec 动作分词器发布，LIBERO 达 97.4% 新 SOTA

1 篇报道1 个报道来源3 小时前更新

先了解这件事

AI 综述

ActionCodec 论文作者团队发布动作分词器 ActionCodec 及其设计原则，在 LIBERO 基准上，用它微调的 SmolVLM2-2.2B 在无机器人预训练条件下达到 95.5% 成功率，配合架构增强后升至 97.4%，作者称这是无机器人预训练 VLA 模型的新 SOTA。 论文从 VLA 优化视角归纳动作分词器设计的最佳实践，包括最大化时间 token 重叠、最小化词汇表冗余、增强多模态互信息和 token 独立性，并据此提出 ActionCodec。

AI 根据报道生成 · 3 小时前更新

最新进展10月9日 12:00
ActionCodec：面向VLA优化的动作分词器设计原则与方法

报道时间线

沿着报道，了解事件的不同侧面。

10月9日
  1. arXiv cs.RO 机器人学
    ActionCodec：面向VLA优化的动作分词器设计原则与方法

    论文提出从VLA优化视角设计动作分词器的方法，归纳出最大化时间token重叠、最小词汇表冗余、增强多模态互信息和token独立性等最佳实践，并据此提出高性能动作分词器ActionCodec。在LIBERO上，用ActionCodec微调的SmolVLM2-2.2B在无机器人预训练条件下达到95.5%成功率，配合架构增强后提升至97.4%，创下无机器人预训练VLA模型的新SOTA。

本事件热度走势

可比范围当前
9
可比范围峰值
1010月9日 13:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。