ConRFT 是一种高效、安全、实用的VLA模型强化微调方法，只需 20 个演示+ 1 小时在线训练，就能让机器人在复杂真实任务中达到 96% 成功率，比传统方法快、稳、强。后续可探索 “更智能的奖励设计”“感知 - 动作联合微调”，进一步提升 VLA 模型的通用操控能力。

RoboBench是一个面向具身智能的多模态大语言模型评估基准，旨在系统性评估 MLLMs 作为机器人"具身大脑"的认知能力。该基准针对动态非结构化环境中的操作任务，定义了五个核心评估维度：指令理解、感知推理、广义规划、可操作性预测和失败分析，覆盖 14 项能力、25 项任务和 6092 个问答对。1）构建真实场景数据集，整合大规模真实机器人数据与自采数据，涵盖单臂/双臂/移动操作、多视角遮挡场景

轻量化：0.77B 参数，大幅降低训练 / 部署成本；免预训练：无需大规模机器人数据，数据收集成本骤降；强泛化：两阶段训练保护语义表征，面对干扰（如背景变化、目标移位）仍稳定；高实用：实时推理 + 低显存，适配消费级 GPU 和真实机器人场景。为推动未来研究，作者团队公开了代码、训练数据和模型权重，以鼓励轻量级高性能 VLA 模型的进一步研究与实际开发。

Self-RAG：在 RAG 框架中引入自我反思机制，提高检索增强的效果

ConRFT 是一种高效、安全、实用的VLA模型强化微调方法，只需 20 个演示+ 1 小时在线训练，就能让机器人在复杂真实任务中达到 96% 成功率，比传统方法快、稳、强。后续可探索 “更智能的奖励设计”“感知 - 动作联合微调”，进一步提升 VLA 模型的通用操控能力。

根据 “没有免费午餐定律” ，在所有机器学习算法中，并不存在最厉害的算法。没有最好的模型，只有最合适的模型。机器学习算法虽然只有几种，但需要解决的问题千千万万，哪种模型适合你所需要解决的问题，还需要具体的问题具体分析。性能衡量指标就是一种常用的分析标准。在分类问题中，将机器学习模型的预测与实际情况进行对比后，结果可以分为四种：TP、TN、FN 和 FP。每一种结果由两个字母组成，第一个字母为T或F

关键词：#具身智能 #双臂机器人 #benchmark。

GRAM 是第一个“生成式基础奖励模型”，通过无监督预训练 + 有监督微调 + 标签平滑，显著提升了奖励模型在多个任务上的泛化能力，且只需极少标注数据。场景用法没有标注数据直接用 GRAM 做奖励模型有少量标注数据微调 GRAM，快速适配做 RLHF用 GRAM 替代传统判别式 RM做评估用 GRAM 做自动评价器（代替 GPT-4）

这篇论文表明，基于 GPT 系列的 LLM，在足够大的批处理的无监督数据上进行对比预训练，可以获得高质量的文本和代码的 embedding 表示，并可以应用于其他的下游任务中得到不错的表现。

总的来说，这篇论文提出了一个很新颖的思路：prompt retriever，从而提高 LLM 的 zero-shot 的能力。同时还研究了 prompt retriever 从训练的任务类型推广到其他未见过的任务类型，以及从小的 LLM 推广到更大规模的。