Unverified50% confidenceFactExact time
RT-2（2023年）将55B参数的视觉-语言模型PaLM-E微调为可直接输出离散化动作token的策略模型
1
Sources
50%
Confidence
Long-term
Relevance
8/21/2026
First Seen
Sources
Related Claims
UnverifiedRT-2的基座是280亿参数的PaLM-E模型，动作被编码为离散token序列，与语言token在同一自回归框架下生成76% similarUnverified基于LLM的现代Agent以大语言模型为大脑，通过ReAct、Plan-and-Execute等范式自主规划步骤、调用外部工具并根据反馈动态调整策略64% similarVerified该模型属于视觉-语言-动作（VLA）模型的范畴，将视觉编码器、语言理解模块与动作预测头统一在端到端架构中64% similarUnverifiedLLM 0.32a0引入了两个核心变化：将模型输入建模为消息序列，以及将模型响应建模为类型化的流式部分63% similarUnverified工具调用机制允许大语言模型在推理过程中动态调用外部函数，是从语言模型到行动模型的本质跨越63% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/783809API
curl https://kongchang.com/api/v1/knowledge/claims/783809MCP
get_claim(id=783809)