Une étude montre que l’apprentissage par renforcement modifie surtout un petit composant des modèles VLA
1 sourcemis à jour il y a 6 jpertinence 3,0 sur5
L’essentiel
Sur des modèles VLA à flux comme π0.5 et GR00T N1.5/N1.6, les mises à jour sont de rang faible et concentrées dans les Timestep Modules de l’expert d’action. Les chercheurs orientent aussi les politiques sans nouvel entraînement RL.
Propagation1 article, publié par HF Daily Papers le 1 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceMinjae Oh, Yoonah Park, Jongwon Lim et al.huggingface.co
The Low-Rank Structure of VLA Reinforcement Learning (site externe)
Sur les mêmes thèmes
Recherche
Xiaomi publie MiMo-V2.6-Pro, un modèle open-weights omnimodal de 1 000 milliards de paramètres
Recherche
Xiaomi MiMo publie MiMo-V2.6-Distill-Qwen-9B, un modèle agentique de 9 milliards de paramètres
Recherche
Reflection dévoile Beam, un modèle d’IA de 501 milliards de paramètres
Recherche
OpenAI publie 722 manuscrits de mathématiques issus d’un modèle interne non diffusé
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5