VLA微调会丢语言能力?新论文提出参数合并法恢复VLM性能

arXiv 上的一篇新论文指出,视觉-语言-动作模型(VLA)在机器人数据上微调后会严重遗忘原视觉语言模型(VLM)的语义与视觉理解能力,作者提出不重新训练、直接合并两者参数的方法来同时保住动作预测和语言能力。

arXiv 上的一篇新论文指出,视觉-语言-动作模型(VLA)在机器人数据上微调后会严重遗忘原视觉语言模型(VLM)的语义与视觉理解能力,作者提出不重新训练、直接合并两者参数的方法来同时保住动作预测和语言能力。

GitHub 于 2026 年 11 月 17 日宣布,企业可将 GitHub Copilot 的活动审计日志直接接入 Microsoft Agent 365,从而在同一控制面板中查看 Copilot 与其他 AI 工作负载的使用情况。

Hugging Face Papers 上的一篇论文摘要称,对比实验显示,在高质量数据有限时,Latent Feedback 比把数据多训练几轮更能节省算力和数据,最多可省 48% 计算量和 47% 唯一数据,但该结论目前仅基于摘要,全文实验未核验。

GitHub 于 2026 年 11 月 17 日为 JetBrains IDE 发布 Copilot Ignite 更新,带来云沙箱、远程访问、浏览器操作和设备端语音听写等公开预览功能,同时调整了企业策略与代码审查机制。

arXiv 上一篇新论文提出 SPLICE,把自然语言提示词优化从“整段改写”改成“按块编辑、带约束的组合搜索”,试图解决全局改写不安全、候选坍缩和提示词膨胀三个老问题。目前仅为论文摘要信息,尚待全文实验核验。

Hugging Face Papers 收录的论文 MovieRoll 提出“基座到蒸馏”的流式长视频生成框架,试图解决训练时长之外的质量维持与缓存成本问题。据摘要,其蒸馏版在 HeliosBench 上 60 秒评测中总分最高。

微软MAI-Code家族推出MAI Code 2和MAI Code 2 Flash两款模型,并已在GitHub Copilot各客户端上线,前者面向复杂任务,后者主打轻量低成本。

arXiv 11 月 17 日收录的论文 DECOUPAGE,提出把视觉与声音拆成两条可独立定时的轨道,用“导演式”唇同步机制控制长镜头对话视频,目标是在 15—60 秒的多镜头剧本驱动生成中减少静默段乱出语音、无声角色乱动嘴的问题。

Hugging Face Papers 收录的 Calpha 报告显示,团队让 Qwen3.5-9B 基于自身残基状态调用预训练结构头输出单链蛋白结构,试图把蛋白折叠能力并入通用大模型;但目前只完成第一步,复杂预测和语言推理影响结构仍未实现。

2026 年 11 月 17 日,GitHub 为 Copilot 代码审查加入自适应审查力度、跨仓库上下文和密钥检测三项公开预览能力,并把 Azure Repos 上的代码审查推进到正式可用。这意味着 PR 审查正从“人工选档位”转向由模型按风险分配注意力。