热点事件持续更新
TOAST：随机动作分词提升机器人策略
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
2026年10月3日，arXiv cs.LG 分类发布研究报道，研究者提出 TOAST，一种面向自回归视觉-语言-动作模型的随机机器人动作分词方法。该方法在策略训练中对同一量化动作序列采样多种分词方式，在不增加演示数据的前提下丰富离散监督信号。报道称，在 LIBERO 基准上，TOAST 稳定优于确定性分词，仅用 1/16 训练数据时成功率提升 6.8 个百分点；在四项真实机器人操作任务上平均成功率提升 15.8 个百分点。目前该工作处于论文发布阶段，尚无后续独立验证或应用进展的报道。
AI 根据报道生成 · 2 小时前更新
最新进展10月3日 12:00
TOAST 论文发布，称在 LIBERO 及四项真实机器人任务上优于确定性分词。报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- arXiv：cs.LG（机器学习，全量分类）TOAST：面向自回归视觉-语言-动作模型的随机机器人动作分词方法
研究者提出 TOAST，一种随机动作分词方法，在策略训练中对同一量化动作序列采样多种分词方式，在不增加演示数据的前提下丰富离散监督信号。在 LIBERO 基准上，TOAST 稳定优于确定性分词，仅用 1/16 训练数据时成功率提升 6.8 个百分点；在四项真实机器人操作任务上平均成功率提升 15.8 个百分点。
本事件热度走势
当前热度 8·可比范围峰值 8（10月3日 18:00）·近 24 小时可比范围变化 –
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。