arXiv cs.CV· Sangwu Park, Wonjoong Kim, Yeonjun In, Chanyoung Park·· 3 小时前AI 评分34
VLA 模型真的遵循指令吗？诊断 VLA 的 How 级指令遵循能力
Do VLAs Really Follow Instructions? Diagnosing How-Level Instruction Following in Vision-Language-Action Models
AI 导读
诊断发现，当前 VLA（Vision-Language-Action）模型无法真正受益于 How 级指令——即规定如何执行任务的指令，这类指令不仅无助于完成任务，反而降低任务成功率。研究提出 SIMPLER-IN 基准，其成功条件只写在指令中；用 segment-level 增强指令训练虽能让动作响应该类指令，却无法持续提升任务成功率，也难泛化到高要求或分布外的 How 级指令。
来源：arXiv cs.CV · arxiv.org