标签
LARA 是一种高效适应方法，它向冻结模型的残差流添加低秩修正，而不是修改权重，在匹配 LoRA 性能的同时实现可组合行为和推理时调控。
本文介绍了RL^2，一种用于视觉-语言-动作模型的自适应推理时引导框架，它利用潜在表示上的离线强化学习来组合动作流，并且仅在预测到失败时激活引导。在SIMPLER和PolaRiS基准上，它实现了最高+17.3%的成功率提升，并展示了真实世界的迁移能力。
GrAInS 是一种基于对比梯度的归因方法，利用积分梯度识别影响最大的词元，并构建引导向量，在推理时对大语言模型（LLM）和视觉语言模型（VLM）进行引导，从而提升真实性并减少幻觉，同时不损害流畅性。
QPILOTS是一种方法，通过使用从噪声中间状态投影的评论家梯度，在推理时引导流策略，在离线到在线强化学习基准上实现了最先进的性能，并在不修改基础策略的情况下改进了预训练的VLA模型。
FineSteer 是一个新颖的推理时控制框架,将控制分解为条件控制和细粒度向量合成两个阶段,采用子空间引导条件控制(SCS)和混合控制专家(MoSE)机制来提高安全性和真实性,同时保持模型效用。实验表明在 TruthfulQA 上相比最新方法有 7.6% 的性能提升,且效用损失最小。