**VLA-Precision：基于非对称协同自举的高效视觉-语言-动作模型在线强化学习框架**

_VLA-Precision: Asymmetric Co-Bootstrapping for Efficient Real-World Online RL of Vision-Language-Action Models_

> 针对预训练视觉-语言-动作（VLA）模型在精密任务中可靠性不足及在线强化学习（RL）中的价值信号漂移与计算开销问题，研究提出VLA-Precision框架。该框架引入非对称协同自举（ACoB）算法，通过早期行为引导与后期价值校准相结合，有效抑制策略漂移；同时开发ACoB-Stream架构，实现状态解耦与按需流式处理，将吞吐量提升10.9倍。在九项高精度化学任务中，该框架以45.8分钟/任务的时间达到98.3%的平均成功率，运行速度显著优于基线模型。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-28 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.04355)