后训练、微调与引导：训练数据策展的实战指南

📋总体概括

arXiv论文2610.19143系统研究了VLA模型适配方法的选择问题，涵盖在/离策略数据、离线与在线适配、最优与次优轨迹等常见数据场景，在LIBERO仿真任务与Franka真实平台上评估。结论是：离线数据场景下，当存在失败数据时，基于critic的引导方法优于监督微调；而离线RL训练critic的技术在特定条件下仍有限制。该工作为具身智能数据策展与方法选择提供了实用指南。