贾萧松：VLA与世界模型瓶颈在训练方式
热点事件持续更新
贾萧松：VLA与世界模型瓶颈在训练方式
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
复旦大学可信具身智能研究院助理教授贾萧松在访谈中称，端到端自动驾驶的瓶颈已不在感知或认知能力，而在训练方式。他指出，很多VLA（视觉-语言-动作）和WAM（世界-动作）模型虽引入更强的视觉语言能力，但在一些自动驾驶基准上的表现不一定优于充分优化的端到端模型。 贾萧松认为，如果这些模型仍主要依靠模仿学习训练，即使更换架构也未必能解决模仿学习本身的问题。他主张与其继续在神经网络结构上做改进，不如把精力放在数据、预训练和后训练上。
AI 根据报道生成 · 3 小时前更新
最新进展10月19日 11:06
复旦贾萧松：VLA、WAM 架构层出不穷，真正瓶颈不在模型架构报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- 雷锋网精选复旦贾萧松：VLA、WAM 架构层出不穷，真正瓶颈不在模型架构
复旦大学可信具身智能研究院助理教授贾萧松在访谈中表示，端到端自动驾驶的瓶颈已不在感知或认知，而在训练方式，与其改进神经网络结构，不如投入数据、预训练和后训练。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 910月19日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:0017:00
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。