policy-training

SkillGate 通过使用执行和技能命名令牌的独立信用通道，解决了AI智能体技能选择中的选择器信用饥饿问题，提高了成功率并减少了长期任务中误导性技能的暴露。

FrameSkip是一种数据层的帧选择方法，通过基于动作变化和视觉一致性指标优先选择高重要性的帧，来改进视觉-语言-动作(VLA)策略训练。该方法在三个基准测试中实现了76.15%的宏观平均成功率，同时仅使用了20%的独特帧。