跳到正文
Hugging Face 每日热门论文·· 6 天前AI 评分67

ScaleVLA 将视觉语言动作模型扩展至 552B 参数

ScaleVLA: Scaling Vision-Language-Action Models to 552 Billion Parameters

AI 导读

ScaleVLA 将 552B DeepSeek-V4.1-Flash 骨干连接到可训练的动作 DiT,并在统一训练设置下比较 2B 至 552B 的 VLM。

来源:Hugging Face 每日热门论文 · huggingface.co