VLA与RLVR

Muon优化器在VLA和RLVR训练中的局限性及Pion补救方案

2026年5月25日，HuggingFace Daily Papers社区热门论文指出，Muon优化器在预训练后的视觉-语言-动作（VLA）和强化学习与可验证奖励（RLVR）任务中存在光谱失效问题，会导致噪声放大和不稳定。作者提出了Pion优化器，通过高通滤波机制有效抑制噪声，实验显示其性能显著优于Muon和AdamW基线。