QF3发布：单一离策略更新从零训练人形机器人

2026年10月7日，AGI Hunt 报道，Chung Min Kim 介绍了 QF3。据其介绍，QF3 全称 Fast Flow RL with Filtered Q-Gradients，是一种单一的离策略（off-policy）更新方法：既可以从零开始训练人形机器人，也能用于微调 VLA（视觉-语言-动作）模型，还可微调图像模型。报道将这一进展归入机器人训练的实践与研究范畴。截至目前，该方法的具体效果仍待论文发表与复现验证，报道中未给出量化指标或独立评测结果。此前的报道同样围绕“单一离策略更新从零训练人形机器人”这一表述，本次新增报道补充了 QF3 的全称、可微调 VLA 与图像模型等信息，与早先说法未出现数字或时间上的冲突。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。