**VLA-Rolling：通过自适应动作复用实现更少去噪步数与更强控制**

_VLA-Rolling: Fewer Denoising Steps, Better Control via Adaptive Action Reuse_

> 针对流匹配视觉语言动作（VLA）模型在滚动视界范式下丢弃未执行动作尾部（action tail）导致效率低下的问题，研究提出了 VLA-Rolling 框架。该框架通过动作尾部继承、置信度估计及引导重去噪，在不冻结底层模型的情况下复用中间状态。实验表明，VLA-Rolling 在所有测试模型与基准组合中均降低了推理成本，最高提速 1.48 倍，并在 14 对组合中成功率提升最高达 15.08 个百分点，证明了动作尾部作为可复用中间状态能显著提升 VLA 的推理效率与准确性。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-21 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.25043)