SLoSa：面向机器人任务规划的小型低功耗安全基础模型框架

研究者提出 SLoSa，一个神经符号压缩与微调框架，用于训练小尺寸、低功耗且具备安全意识的机器人任务规划基础模型。该框架先用经典规划器、教师 LLM 和形式化验证器构建安全感知数据集，再进行监督微调与基于验证奖励的 RL 微调。在 PDDL 任务上，4B-14B 小模型成功率提升至 70.5-76.0%，INT4 部署于 Jetson Orin 平均功耗仅 17.85-26.41 W。