**RL²-VLA：基于测试时缩放的自适应强化学习潜变量引导方法**

_RL^2-VLA: Adaptive RL Latent Compositional Steering with Test-Time Scaling for Vision-Language-Action Models_

> 针对VLA模型在域外任务中性能下降的问题，提出RL²框架，通过离线强化学习在VLA潜变量上进行自适应推理时引导。该方法结合模仿学习的行为先验与RL的动作多样性，仅在预测可能失败时激活引导，在SIMPLER和PolaRiS基准上域外成功率提升最高17.3%，并在真实世界实验中验证了有效性。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-08-03 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.26991)