CLAP：不改架构把预训练VLM适配成VLA
热点事件持续更新
CLAP：不改架构把预训练VLM适配成VLA
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Yuri Ishitoya等作者提出CLAP（因果语言-动作预测）：在每个数字动作序列前加上一段自然语言动作描述，让模型先形成语言-动作计划，再据此预测动作，从而把预训练视觉语言模型（VLM）直接转成视觉-语言-动作模型（VLA），无需改动主干架构。作者以0.8B、2B、4B三个规模开源了该模型系列，均来自同一VLM谱系。 作者称，2B版CLAP仅训练4—5小时，就在LIBERO上取得90.8%的成绩，比VLA-0高14.9个百分点，并在LIBERO-PRO面对语言、物体和空间扰动时鲁棒性有所提升。这些数字为作者报告的结果。
AI 根据报道生成 · 3 小时前更新
最新进展11月4日 13:00
CLAP：无需改动架构，直接把 视觉语言模型（VLM，Vision-Language Model） 适配成 VLA报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv · cs.AICLAP：无需改动架构，直接把 视觉语言模型（VLM，Vision-Language Model） 适配成 VLA
CLAP（Causal Language-Action Prediction，因果语言-动作预测）通过在数字动作序列前加上自然语言动作描述，把预训练视觉语言模型（VLM，Vision-Language Model）直接转成视觉-语言-动作模型（VLA），无需改动主干架构。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月4日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。