待验证50% 置信基准精确时间

在LIBERO-LONG基准上，AtomicRL在两种VLA架构上分别比PPO取得3.6%和4.0%的绝对性能提升。

1

来源数

50%

置信度

短期 (~14 天)

时效性

2026/10/22

首次发现

有效期至：2026/11/5

来源

AtomicRL：原子强化学习破解长程机器人操作难题

涉及实体

AtomicRLconcept PPOconcept LIBERO-LONGconcept

相关事实

待验证vLLM相比已有优化的FasterTransformer有3.5倍以上的吞吐提升64% 相似待验证Dynamic 3.0 相比前代版本在层级校准、校准数据集选择和对新架构（MoE、GQA）的适配上做了改进59% 相似待验证NPU 在执行 INT8/INT4 量化模型推理时，每瓦性能可达 GPU 的 3-5 倍59% 相似待验证Databricks可利用vLLM或TensorRT-LLM等高性能推理引擎在同等硬件上实现比标准部署高3-5倍的吞吐量58% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1083966

API

curl https://kongchang.com/api/v1/knowledge/claims/1083966

MCP

get_claim(id=1083966)