Rohan Paul

圖邱可能找到了机器人预训的缩放规则: 保持模型和任务训练的固定, 添加更多的索引数据(图邱大型的人类行为预训数据集) > 和行动预期损失以清洁、可预测的方式发生。 更小的运行预测 8x数据运行几乎完全准确, 即机器人公司可以估计 人类行为数据再翻一番会买多少 然后再花在全程的计算上。 应该让机器人训练更少的试验和过敏,更像LLM缩放,尽管曲线预测的是动作损失,而不是现实世界的任务成功. 因此,它尚未证明在机器人可靠性方面有同样可预测的收益。