VLA-GAUGE 评测显示 VLA 模型泛化与鲁棒性普遍偏弱

VLA-GAUGE 论文作者团队提出诊断式评测框架，用共享的可执行任务表征统一评估视觉-语言-动作模型的泛化与鲁棒性，覆盖六类能力套件的分布内外配对任务、单因子敏感性分析与组合扰动筛查。在该框架下评测 12 个模型，零样本泛化平均得分仅 22.3%，其中 SimpleVLA-RL 得 8.0%，在受评模型中倒数第二；三种代表性组合扰动配置下的平均鲁棒性得分（R-Score）为 9.3。 作者称，基于诊断结果的数据增强与微调可提升模型表现：在留出场景上，诊断驱动的微调使 π₀.₅ 的零样本泛化与所选组合扰动下的鲁棒性分别提高 72.4 和 31.8 分。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。