反馈引导精炼

通过显式从失败中学习释放自动驾驶中的 VLA 潜力

Unleashing VLA Potentials in Autonomous Driving via Explicit Learning from Failures

对做自动驾驶 VLA 的研究者，这篇论文给出了一种把失败诊断的结构化文本反馈转成高奖励修正样本、再注入 RL 训练批次的做法，可用来突破 SFT 后 RL 探索受限导致的性能平台期，尤其适用于长尾场景中奖励稀疏的规划任务。