NVIDIA 发布 ACCRUE：持续 off-policy 强化学习将真机训练时间缩短最高 68.5%

NVIDIA 与 KAIST 提出持续 off-policy 强化学习框架 ACCRUE，用于机器人基础模型（RFM/VLA）后训练。该框架跨任务携带轻量级 actor 与 critic，继承的 critic 仅适配当前任务转移并指导 actor，旧行为通过少量保留片段向缓存目标蒸馏保持。接触丰富的装配任务实验显示后续任务学习加速、遗忘接近零，真机训练时间缩短 31.0%–68.5%。