回复@-寂静的秋水-:VLA的本质怎么变成DiT了[笑cry]，只是理想用了flow matching而已，还可以用AR token呀。另外，我说的是做芯片，围绕VLA做芯片就不可能把DiT放在核心的位置去考虑，而且我说的DiT不是fm这种你应该明白。小鹏把L的权重降低了怎么就更符合，这就跟我说教育要国际化，你把高考语文占比砍了一样[笑cry]//@-寂静的秋水-:回复@猩红线歌者:理想的vla本质就是DiT[吃瓜]轨迹是diffusion生成的(实际用了更快的flow matching)，骨干是transformer，完全符合DiT的定义。小鹏的vla应该也是，甚至更符合，因为他们把L的权重降低了。
发布于 湖北