arXiv cs.AI· Zongyao Zhao, Cheng-Jie Zhao, Ruihang Jiang, Bing Zheng, Zhaolin Wang, Yuanwei Liu·· 8 天前AI 评分36
何时停止惩罚动作？面向 VLA 强化学习的 Martingale GRPO
When to Stop Penalizing Actions? Martingale GRPO for VLA Reinforcement Learning
AI 导读
研究提出面向 VLA 强化学习的 Martingale GRPO（MART-GRPO），通过鞅理论刻画反馈截断条件，解决传统 GRPO 对失败轨迹全盘惩罚导致误伤有效恢复动作的问题。
来源：arXiv cs.AI · arxiv.org