**SIEVE:面向VLA模仿学习的结构感知数据选择方法** _SIEVE: Structure-Aware Data Selection for Imita
原帖
**SIEVE:面向VLA模仿学习的结构感知数据选择方法**
_SIEVE: Structure-Aware Data Selection for Imitation Learning with VLA Models_
> HuggingFace Daily Papers 推荐论文 SIEVE 提出了一种针对视觉-语言-动作(VLA)模型的模仿学习数据选择新方法。该方法将演示视为可复用原语和过渡接口的组合,通过最大化重用感知的结构暴露来筛选数据。实验表明,SIEVE 仅需使用 50% 的演示数据和训练步骤,即可超越全量数据训练的基线性能,显著提升了 VLA 模仿学习的效率。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-07-08 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2607.06442)