在具身智能领域，视觉 - 语言 - 动作（VLA）大模型正展现出巨大潜力，但仍面临一个关键挑战：当前主流的有监督微调（SFT）训练方式，往往让模型在遇到新 环境或任务时容易出错，难以真正做到类人般的泛化。但在大语言模型（LLM/VLM）领域，强化学习（RL）已被证明能显著提升模型的泛化能力。RL 究竟能为 VLA 带来哪些独特的泛化优势？与 SFT 相比，它们的优劣势分别体现在哪里？ 来自清华大学的研究团队在 NeurIPS 2025 发表文章，首次系统性地揭示了强化学习（RL）在提升 VLA 泛化能力上的独特优势，并带来了一套全面的评测基准和 高效训练方法。 通讯作者是清华大学教授汪玉和博士后于超。 为了解决 VLA 模型泛化能力有限的问题，研究团队构建了一个涵盖多种视觉、语义和执行挑战的全新评测基准，并系统性地对比了强化学习（RL）和传统有监督 微调（SFT）在提升模型泛化性上的表现。通过大量实验发现：采用 PPO 等强化学习算法微调 VLA，不仅显著提升了模型在语义理解和任务执行上的鲁棒性，还 能在视觉变化场景下保持与 SFT 相当的表现。同时提出了一套简单高效的 PPO 训练方案，使得强化学习在 VL ...