InfoNCE выявляет эффективные уровни для VLA-политик (arXiv:2609.36118v1)
В препринте на arXiv исследуется, какие слои предварительно обученных vision-language-бэкбонов следует открывать для action-head в VLA-политиках. По трем моделям, двум бенчмаркам (LIBERO, CALVIN) и 54 вариантам слоёв/фьюзинга авторы показывают, что большинство стратегий фьюзинга уступают лучшему однослойному решению, а InfoNCE-метрика лучше всего коррелирует с успешностью политики и позволяет выбирать слой с в 9–33 раза меньшей вычислительной затратой и снизить среднее сожаление выбора с 17.89 до 3.71 процентных пункта.